**VibeThinker-3B：3B小模型在可验证推理上达前沿水平，性能比肩大规模旗舰模型**

_VibeThinker-3B: Exploring the Frontier of Verifiable Reasoning in Small Language Models_

> VibeThinker-3B是一个紧凑的3B稠密模型，基于Spectrum-to-Signal后训练范式，通过课程监督微调、多域强化学习和离线自蒸馏优化。在AIME26上获得94.3分（测试时缩放后97.1），LiveCodeBench v6 Pass@1为80.2，在未见过的LeetCode竞赛中接受率达96.1%，并保持93.4的IFEval指令可控性，与DeepSeek V3.2、GLM-5、Gemini 3 Pro等大模型性能匹配或超越。研究提出参数压缩-覆盖假说，认为可验证推理可压缩进小型推理核心，而开放域知识需广泛参数覆盖，表明小模型是通向参数密集型前沿能力的互补路径。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-06-16 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.16140)