---
title: "原石科技发布MetaStone-S1：全球首款反思型大模型，自监督筛选推理链，数学代码能力超越GPT-4"
url: "https://paooo.com/aigc-news/14628/"
author: "Prompt 语宙研究院"
published_at: "2026-06-27T05:12:22+08:00"
updated_at: "2026-06-07T20:24:48+08:00"
categories: "AI 工具, AIGC 资讯"
tags: "MetaStone-S1, 原石科技, 反思型大模型, 开源大模型, 推理链优化"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# 原石科技发布MetaStone-S1：全球首款反思型大模型，自监督筛选推理链，数学代码能力超越GPT-4

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/14628/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-27

## AI 30 秒核心看点 (TL;DR)

- MetaStone-S1把“反思”内化进模型架构，用SPRM自动筛选推理步骤，减少错误链条。
- 通过自监督过程奖励与Test-Time Scaling，模型无需人工标注也能提升数学、代码推理准确率。
- 开源1.5B/7B/32B三档模型，适合教育、法律、制造与科研等深度推理场景落地。

> 
                **💡 站外导读：**当前，大模型在复杂推理任务中常因生成错误推理链而得出错误答案，且传统依赖人工标注的强化学习方法成本高昂、难以规模化。原石科技针对这一核心痛点，推出MetaStone-S1反思型生成式大模型，通过自监督过程奖励机制，让模型在推理时自动评估并筛选步骤，无需人工标注即可显著提升准确性。这一创新标志着大模型从被动生成向主动自我修正的关键演进。

            

             
                        

## MetaStone-S1是什么

MetaStone-S1是原石科技推出的反思型生成式大模型，首次融合深度推理与推理链自筛选能力。模型核心用自监督反思范式，基于共享主干的策略模型和过程评分模型（SPRM），仅增加53M参数即可实时评估推理步骤质量，无需人工标注。模型支持Long-CoT强化学习，生成超长推理链，在数学（AIME）、代码（LiveCodeBench）和中文推理（C-EVAL）任务中超越同类模型。开源1.5B 、7B、 32版本，用低推理成本实现高性能，推动推理智能迈向“自我修正”新阶段。

## MetaStone-S1的主要功能

- **深度推理生成功能**：MetaStone-S1能生成超长且复杂的推理链条（Long-CoT），特别适用解决数学证明、编程算法等高难度推理任务。

- **智能推理链优化**：模型内置自监督过程评分机制（SPRM），支持自动识别、剔除推理过程中的错误步骤，显著提高最终答案的准确性。

- **多档位推理模式**：提供Low（快速响应）、Medium（平衡精度与速度）、High（深度思考）三种工作模式，满足不同场景的推理需求。

- **开源可扩展特性**：全面开源1.5B/7B/32B三种规模模型及配套工具，支持开发者在特定领域进一步优化模型的推理能力。

## MetaStone-S1的技术原理

- **双头共享架构**：基于策略模型（Policy Model）与过程评分模型（SPRM）共享主干网络的设计，在Transformer层上并行部署生成头（Generation Head）和评分头（Scoring Head），前者负责生成推理链，后者基于自监督学习对每个推理步骤实时评分。

- **自监督过程奖励**：提出SPR Loss（Self-supervised Process Reward Loss）算法，用最终答案的正确性作为弱监督信号，基于噪声过滤机制自动生成步骤级伪标签，实现过程评分模型的训练，摆脱对人工标注的依赖。

- **动态推理择优**：在推理阶段用Test-Time Scaling技术：首先生成多条候选推理链（如High模式生成32条），用SPRM计算路径总分，最终选择最优路径继续生成，形成”生成-评估-择优”的闭环。

- **联合优化机制**：基于GRPO强化学习算法同步优化策略模型和SPRM，其中策略模型最大化答案正确率，SPRM用对比学习区分优质/低质推理步骤，二者共享梯度形成协同进化。

- **涌现能力调控**：设计思考长度与模型性能的Scaling Law，基于调整rollout次数控制计算量（参数量×思考token数），实现从快速响应（Low）到深度思考（High）的平滑过渡。

## MetaStone-S1的项目地址

- **GitHub仓库**：https://github.com/MetaStone-AI/MetaStone-S1

- **HuggingFace模型库**：https://huggingface.co/MetaStoneTec

- **arXiv技术论文**：https://arxiv.org/pdf/2507.00195

## MetaStone-S1的应用场景

- **教育智能化**：作为”AI导师”精准解答数学/物理竞赛题，生成可交互的解题路径说明。

- **法律智能领域**：深度分析合同条款的逻辑关系，精准识别潜在法律风险点，提供符合法律逻辑的修订建议。

- **智能制造领域**：基于多级因果推理，快速定位工业设备故障根源，生成最优维修方案，显著提升生产效率。

- **学术写作领域**：支持科研论文的公式推导和理论验证，确保学术内容的逻辑严谨性。

                    
            
                

#### 📝 站长洞察 (Editor's Insight)

                MetaStone-S1的推出，代表了推理大模型范式的一次重要跃迁。它首次将“反思”能力内化到模型架构中，通过自监督过程奖励（SPRM）实现推理链的自动净化，这解决了大模型在严谨任务中“幻觉”频发的行业难题。从技术趋势看，模型正从追求参数规模转向优化推理效率与可靠性，MetaStone-S1的Test-Time Scaling和GRPO联合优化机制正是这一趋势的典范。其开源三档位模型，也为行业提供了低成本的推理增强方案，预计将加速AI在教育、法律、科研等深度推理场景的落地。这不仅是原石的技术突破，也为整个行业探索“自我改进型AI”提供了重要参考。

## 常见问题解答 (FAQ)

### MetaStone-S1和普通大模型有什么区别？
它的核心区别在于把推理过程中的“自我评估”做进了模型内部。通过策略模型和过程评分模型协同工作，模型能在生成时自动筛掉低质量推理步骤，而不是只依赖最终答案判断。

### MetaStone-S1为什么不需要人工标注？
文章提到它采用自监督过程奖励机制（SPR Loss），用最终答案正确性作为弱监督信号，再结合噪声过滤生成步骤级伪标签，因此可以摆脱传统强化学习对大量人工标注的依赖。

### MetaStone-S1适合哪些实际应用场景？
它适合需要严谨推理的任务，如数学和物理题讲解、合同条款分析、工业故障定位、科研公式推导等。其优势在于能生成更长的推理链，并通过筛选机制提高答案可靠性。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
