5 月 9 日消息，科技媒体 marktechpost 今天（5 月 9 日）发布博文，报道称 OpenAI 公司在其 o4-mini 推理模型上，推出了强化微调技术（Reinforcement Fine-Tuning, 简称 RFT），为定制基础模型以适应特定任务带来了突破性工具。
OpenAI 的强化微调技术（RFT）将强化学习原理融入语言模型的微调过程。开发者不再仅依赖标注数据，而是通过设计任务特定的评分函数（grader）来评估模型输出。
这些评分函数根据自定义标准（如准确性、格式或语气）为模型表现打分，模型则通过优化奖励信号逐步学习，生成符合期望的行为。这种方法尤其适合难以定义标准答案的复杂任务，例如医疗解释的措辞优化，开发者可通过程序评估清晰度与完整性，指导模型改进。
o4-mini 是 OpenAI 于 2025 年 4 月发布的一款紧凑型推理模型，支持文本和图像输入，擅长结构化推理和链式思维提示（chain-of-thought prompts）。
通过在 o4-mini 上应用 RFT，OpenAI 为开发者提供了一个轻量但强大的基础模型，适合高风险、领域特定的推理任务，其计算效率高，响应速度快，非常适合实时应用场景。
多家早期采用者已展示 RFT 在 o4-mini 上的潜力，凸显 RFT 在法律、医疗、代码生成等领域的定制化优势，附上相关案例如下：
Accordance AI 开发税务分析模型，准确率提升 39%；
Ambience Healthcare 优化医疗编码，ICD-10 分配性能提升 12 个百分点；
法律 AI 初创公司 Harvey 提升法律文档引文提取的 F1 分数 20%；
Runloop 改进 Stripe API 代码生成，性能提升 12%；
调度助手 Milo 和内容审核工具 SafetyKit 也分别取得显著进步。
使用 RFT 需完成四步：设计评分函数、准备高质量数据集、通过 OpenAI API 启动训练任务，以及持续评估和优化。
RFT 目前向认证组织开放，训练费用为每小时 100 美元，若使用 GPT-4o 等模型作为评分工具，额外按标准推理费率计费。OpenAI 还推出激励措施，同意共享数据集用于研究的组织可享受 50% 的训练费用折扣。
该内容转自IT之家
本文共 566 个字数,平均阅读时长 ≈ 2分钟
