# 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

- Link: https://paooo.com/aigc-news/14628/
- Published: 2026-06-27T05:12:22+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 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](https://paooo.com/ai-study/)，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。

阅读目录

 * [MetaStone-S1是什么](https://paooo.com/aigc-news/14628/#metastones1%e6%98%af%e4%bb%80%e4%b9%88)
 * [MetaStone-S1的主要功能](https://paooo.com/aigc-news/14628/#metastones1%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [MetaStone-S1的技术原理](https://paooo.com/aigc-news/14628/#metastones1%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [MetaStone-S1的项目地址](https://paooo.com/aigc-news/14628/#metastones1%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [MetaStone-S1的应用场景](https://paooo.com/aigc-news/14628/#metastones1%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)
       * [📝 站长洞察 (Editor’s Insight)](https://paooo.com/aigc-news/14628/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight)

![MetaStone-S1](https://paooo.com/wp-content/uploads/2026/05/MetaStone-S1-webiste-
3.avif)

## 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。

🧭 文中关联 [AI 工具](https://ai.paooo.com/)官网与参数卡（语宙 AI 导航）

**HuggingFace ↗**

HuggingFace：AI模型开发社区，面向大语言模型场景提供便捷实用的在线功能支持，涵盖大
模型等实用方向。

❓ 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。

🔬 语宙深潜追问 · 进阶实操拆解

反思型推理链怎么训练才稳？

关键是把“生成—自评—筛选”做成闭环：先产出多条推理链，再用过程奖励和一致性规则筛掉
低质链。训练时要防止模型学会迎合评分器，最好混入难题、反例和跨任务验证，避免过拟
合某种推理模板。

开源三档位方案适合哪些团队？

小团队可先用轻量档验证数学/代码收益，中型团队用中档做业务推理增强，大团队再考虑高配
版做复杂决策。选型时别只看榜单，要同时评估推理长度、吞吐、显存占用和可控性，避免“
更聪明但更慢”。

🗳️ 读者观点微投票 · 您的实战立场是？

自监督反思链，真能把推理成本打下来吗？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🐋 所属权威专题：DeepSeek 深度实战与部署 →](https://paooo.com/topics/deepseek/)

 * [MetaStone-L1-7B – 元石智算推出的轻量级推理模型](https://paooo.com/aigc-news/21001/)
 * [XBai o4 开源模型：超越 OpenAI o3-mini 的推理能力，深度解析其技术原理与应用场景](https://paooo.com/aigc-news/14010/)
 * [o1-pro – OpenAI 推出的升级版推理模型](https://paooo.com/aigc-news/20909/)
 * [昆仑万维Skywork MindLink开源：自适应推理+数学巅峰，重定义AI大模型效率与性能边界](https://paooo.com/aigc-news/14245/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/14628/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
