近期，科技領域迎來了一項重大進展。OpenAI公司宣布，在其最新推出的o4-mini推理模型上，成功融入了強化微調(diào)技術(shù)（RFT），這一創(chuàng)新為定制化基礎模型以適應多樣化任務提供了強有力的支持。

RFT技術(shù)將強化學習原理巧妙應用于語言模型的微調(diào)階段，這意味著開發(fā)者們不再完全依賴于標注數(shù)據(jù)。相反，他們可以通過設計特定任務的評分函數(shù)來評估模型的輸出。這些評分函數(shù)基于自定義標準，如準確性、格式或語氣，為模型的表現(xiàn)打分。模型則通過優(yōu)化獎勵信號，逐步學習并生成符合預期的行為。

RFT特別適用于那些難以設定標準答案的復雜任務。例如，在醫(yī)療領域，措辭的優(yōu)化往往至關重要。開發(fā)者可以利用程序評估醫(yī)療解釋的清晰度和完整性，從而指導模型不斷改進。這種方法為處理各種復雜、領域特定的任務提供了全新的視角和解決方案。

o4-mini是OpenAI于今年4月發(fā)布的一款緊湊型推理模型，它支持文本和圖像輸入，尤其擅長結(jié)構(gòu)化推理和鏈式思維提示。通過結(jié)合RFT技術(shù)，o4-mini為開發(fā)者提供了一個既輕便又強大的基礎模型，非常適合處理高風險、領域特定的推理任務。其高計算效率和快速響應的特點，也使得它在實時應用場景中表現(xiàn)出色。

多家早期采用者已經(jīng)展示了RFT在o4-mini上的巨大潛力。例如，Accordance AI利用RFT開發(fā)的稅務分析模型，準確率提升了39%；Ambience Healthcare通過優(yōu)化醫(yī)療編碼，ICD-10分配性能提高了12個百分點；法律AI初創(chuàng)公司Harvey在法律文檔引文提取方面，F(xiàn)1分數(shù)提升了20%；Runloop在改進Stripe API代碼生成方面，性能也提升了12%。調(diào)度助手Milo和內(nèi)容審核工具SafetyKit也取得了顯著的進步。

要使用RFT技術(shù)，開發(fā)者需要完成四個步驟：首先，設計符合需求的評分函數(shù)；其次，準備高質(zhì)量的數(shù)據(jù)集；然后，通過OpenAI API啟動訓練任務；最后，持續(xù)評估和優(yōu)化模型表現(xiàn)。這一流程為開發(fā)者提供了清晰的指導和路徑。

目前，RFT技術(shù)向認證組織開放。訓練費用為每小時100美元，如果使用GPT-4o等模型作為評分工具，還將額外按標準推理費率計費。為了鼓勵更多組織參與研究和應用，OpenAI還推出了激勵措施：同意共享數(shù)據(jù)集用于研究的組織可以享受50%的訓練費用折扣。

隨著RFT技術(shù)的不斷推廣和應用，我們有理由相信，它將在更多領域發(fā)揮巨大的作用，推動人工智能技術(shù)的進一步發(fā)展和創(chuàng)新。