OpenAI近期在緊湊型推理模型o4-mini上引入了強化微調(diào)技術(shù)（RFT），為開發(fā)者提供了一種全新的工具，旨在幫助他們將基礎(chǔ)模型定制化以適應特定任務需求。這一技術(shù)的推出，標志著OpenAI在模型微調(diào)領(lǐng)域邁出了重要一步。

RFT技術(shù)巧妙地將強化學習原理應用于語言模型的微調(diào)過程中，打破了傳統(tǒng)微調(diào)模式的局限。以往，開發(fā)者主要依賴標注數(shù)據(jù)來調(diào)整模型，而現(xiàn)在，他們可以通過設(shè)計任務特定的評分函數(shù)來評估模型輸出。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期望的行為。

o4-mini是OpenAI于今年4月發(fā)布的一款緊湊型推理模型，具備文本和圖像輸入功能，尤其擅長結(jié)構(gòu)化推理和鏈式思維提示。RFT技術(shù)在o4-mini上的應用，為開發(fā)者提供了一個既輕量又強大的基礎(chǔ)模型，非常適合處理高風險、領(lǐng)域特定的推理任務。其高效的計算能力和快速的響應速度，使得o4-mini在實時應用場景中表現(xiàn)出色。

使用RFT技術(shù)需要經(jīng)歷四個關(guān)鍵步驟：首先，開發(fā)者需要設(shè)計評分函數(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)。這一流程使得RFT技術(shù)在處理復雜任務時尤為有效，尤其是在那些難以定義標準答案的領(lǐng)域，如醫(yī)療和法律等。

在醫(yī)療領(lǐng)域，開發(fā)者可以通過程序評估解釋的清晰度和完整性，從而指導模型不斷改進。同樣，在法律和代碼生成等領(lǐng)域，RFT技術(shù)也展現(xiàn)出了其定制化優(yōu)勢。多家早期采用者已經(jīng)成功在o4-mini上應用了RFT技術(shù)，并取得了顯著成果。

目前，RFT技術(shù)已經(jīng)向認證組織開放。訓練費用為每小時100美元，若使用GPT-4o等模型作為評分工具，則還需按標準推理費率額外計費。為了鼓勵數(shù)據(jù)共享，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。這一舉措不僅降低了使用RFT技術(shù)的成本，還促進了學術(shù)界和工業(yè)界的合作與交流。