Kimi k1.5 多模态大语言模型采用简化的强化学习框架，依赖长上下文扩展和改进的策略优化，避免了蒙特卡洛树搜索或价值函数等复杂技术。

  • 该系统在多个基准测试中实现了最先进的推理性能，包括 AIME 上达到 77.5 分，MATH 500 上达到 96.2 分，以及在 Codeforces 上处于第 94 百分位。
  • 其 long2short 方法利用长链式思考技术来增强短链式思考模型，在 AIME 上取得 60.8 分，MATH500 上取得 94.6 分，LiveCodeBench 上取得 47.3 分。
  • 这些短链式思考的改进大幅超越现有模型如 GPT-4o 和 Claude Sonnet 3.5，提升幅度高达 +550%。

这种方法表明，扩展强化学习能够解锁 AI 性能提升的新维度，无需依赖复杂的基础设施，在匹敌 OpenAI o1 的同时，显著超越其他短上下文模型。