九章云极联合团队在人工智能领域取得重要突破，其大模型慢思考推理技术获得系列成果，相关预印版论文已在arXiv上发表，该团队通过深入研究，成功将慢思考推理技术应用于人工智能模型，提高了模型的性能和准确性，这一成果对于推动人工智能领域的发展具有重要意义，将为未来人工智能技术的应用提供新的思路和方法。

九章云极DataCanvas公司联合中国人民大学STILL项目团队以及北京智源研究院团队，在大模型慢思考推理技术领域取得了显著的成果，他们初步复现了类R1推理模型，并完整开源了实现细节及训练技巧，更重要的是，他们通过创新的方法，使用代码工具增强了模型的推理性能，并在AIME数学推理测试中超越了DeepSeek-R1模型的性能，相关成果已经以论文《An Empirical Study on Eliciting and Improving R1-like Reasoning Models》的形式在预印版论文网站arXiv上公开发表。

[MD:Title]

九章云极DataCanvas联合研究团队还公布了复现DeepSeek-R1全参数微调开源方案，并发布了全新的强化学习训练模型STILL-3-Tool-32B，该方案不仅公开了从模型训练到推理部署的全链路工程代码，还同步公开了实践验证过的技术经验与调优策略,为开发者提供了可直接部署的工业化级大模型训练框架。

在AIME 2024基准测试中，STILL-3-Tool-32B模型取得了81.70%的准确率（采样），超越了DeepSeek-R1满血版以及OpenAI o3-mini的表现，这一成果在GitHub社区中得到了详细阐述,并公开了相关开源链接。

值得一提的是，这个模型是九章云极DataCanvas联合团队在复杂推理模型训练框架上的又一次重要创新实践，研究论文指出，即使在已接近性能巅峰的蒸馏模型上，通过强化学习训练方法也能大幅提升AIME 2024的准确率，面对语言推理的精准性问题,该模型引入了外部工具来增强AI模型的复杂推理能力。

[MD:Title]

自DeepSeek-R1技术报告公布以来，开源模型的复现一直面临代码完整性缺失、超参数调试等难题，九章云极DataCanvas联合团队通过AI基础设施深度融合实现了突破，并同步开源了模型在DataCanvas Alaya NeW智算操作系统上的完整训练日志、奖励函数代码及容器化部署方案，研究结果显示，Alaya NeW智算操作系统在多个方面表现出明显优势,有望推动AI技术的进一步发展。

这些成果对于推动大模型推理技术的发展具有重要意义，并为开发者提供了宝贵的资源和工具,我们期待未来更多关于这一领域的创新和突破。