【新智元导读】重磅开源！新一代最强小模型SmolLM3横空出世：30亿参数，支持128k长上下文！而且训练、对齐、架构、数据等全链路，Hugging Face这次100%开放——堪称真「Open AI」。
小模型负责人Loubna Ben Allal如此评价SmolLM3：「强大、小巧的推理模型」。
重要的是，它公开了完整的构建方法！100%开源，极大减少了反向工程的时间，为小模型开发提供了难得的参考范本。
在Llama架构的基础上，SmolLM3引入多项关键改进，以提升效率和长上下文处理能力。
GQA机制：将传统多头注意力替换为4组Grouped Query Attention，性能相当但大幅降低KV缓存开销，推理更高效。
NoPE编码：每隔4层移除旋转位置编码（RoPE），显著提升长文本处理能力，而短文本任务不受影响。
文档内注意力屏蔽：同一训练序列中不同文档的token彼此隔离，提升训练稳定性和长文本学习能力。
稳定性优化：借鉴OLMo 2，去除嵌入层权重衰减，使参数收敛更稳，对模型性能无负面影响。
基于相同架构进行的消融实验，验证了上述所有改动，确保各项优化措施在提升或保持性能的同时，带来了额外优势。
延续SmolLM2所采用的多阶段训练方法，SmolLM3使用的训练数据总量达11.2万亿个token，训练采用三阶段策略。
团队混合了网页文本、数学内容与代码数据，还根据训练进度，调整各类数据的比例。
为了确定最优的数据构成与配比，在多个3B模型上，他们进行了大量消融实验，训练数据量涵盖从500亿到1000亿token。
此外，在主预训练完成后，研究团队还进行了专门的中间训练阶段，以进一步增强模型在长文本处理和复杂推理任务中的表现。
在主预训练完成后，额外训练了SmolLM3，进一步扩展模型的上下文处理能力。
该阶段共使用了1000亿个token，分为两个阶段，各使用500亿token，改进如下表所示：
这两个阶段均过采样了数学、代码和推理相关数据，增强了模型的长文本理解与推理能力。
这表明：在64k长度的上下文任务中，仅使用NoPE编码、更长的训练序列以及更高的RoPE的theta值，已足以让模型取得优异表现。
此外，借鉴Qwen2.5，在推理阶段，这次采用YARN技术，将上下文窗口从训练时的64k外推至128k，上下文扩展了2倍。
与预训练和后续微调不同，这一阶段不面向任何特定领域，而是着重培养模型的通用推理能力。
为了减少对模型结构的显式引导，这次采用ChatML格式的对话模板，并通过packing技术压缩了数据。
随着DeepSeek R1等推理模型的推出，推理为模型带来的强大表现已获业界公认。
但至今缺乏构建双指令模型（同时支持推理与非推理模式）的完整开源方案。现有方法多依赖复杂强化学习流程与私有数据，严重阻碍研究人员复现与再开发。
训练流程从注入通用推理能力的中间训练起步，融合合成数据监督微调（SFT），再通过基于DPO改进的Anchored Preference Optimization（APO）实现偏好对齐。
SmolLM3双模式模型通过聊天模板与用户交互，允许用户精确控制推理模式。（和Qwen3一样）
聊天模板还包括默认系统消息和元数据（如日期、知识截止时间、推理模式），并允许用户自定义或禁用元数据显示，灵活适配不同场景。
在完成中间训练后，团队继续对SmolLM3进行监督微调，以增强其在推理与非推理两种模式下的综合能力。
核心挑战在于：部分任务领域缺乏带有推理轨迹（reasoning traces）的标注数据。
为弥补这一空缺，他们使用Qwen3-32B以推理模式重新生成了非推理数据集的提示，从而构建出合成推理数据。
IM电竞,IM电竞官网,IM电竞注册,电竞投注平台,电竞博彩,英雄联盟竞猜
在整个监督微调过程中，还对各类数据进行细致调配，以确保模型保持稳健的性能。
在大量消融实验的基础上，最终构建的SFT数据集有18亿token，比例来源如下
非推理模式和推理模式部分，分别采用了Tulu3的公开偏好数据集、Qwen3-32B和Qwen3-0.6B合成的一批偏好对。
在构建偏好数据时，他们选取Qwen3-32B的回答作为偏好对中的「选中答案」（chosen），而Qwen3-0.6B的回答作为「被拒绝答案」（rejected），并采用APO方法进行对齐训练。
对齐流程进一步统一了不同模式下的风格与偏好选择，为后续任务奠定了良好基础。
在DPO中，在训练过程中，奖励函数rθ(x,y)衡量了模型生成序列的概率与训练初期参考模型之间的对数比值：
DPO损失函数主要通过优化由提示x、选中回答y_w和被拒绝回答y_l组成的三元组来实现模型的改进。
虽然在下游评估中，数学、科学、指令跟随、编程、对话和多语言任务均有显著提升，但在长上下文基准（如 RULER）上的表现却有所下降。
在不增加集成计算开销或无需额外训练的情况下，使用MergeKit合并APO检查点与长上下文训练checkpoint（权重0.9:0.1），兼顾推理对齐与长文本能力。
在各项任务中，SmolLM3始终优于其他3B模型，并且在与4B模型对比时也展现了强劲的竞争力。
在知识和推理类基准测试中，SmolLM3取得了第一或第二名，数学和编程能力也表现不俗。
对于长上下文任务，在Ruler 64k基准测试中，SmolLM3表现突出。
在五种主要欧洲语言的基准测试中，它也展现了强大的能力，涵盖Global MMLU、MLMM HellaSwag、Flores-200和Belebele，内容包括知识、常识推理、文本理解和翻译能力。
总体而言，基础模型在多个领域展示了卓越的表现。接下来，让我们看看这些优势如何转化到指令模型的表现上。
SmolLM3同时支持指令模式和推理模式，需要分别评估其表现，并与具备相同能力的其他模型做比较。
SmolLM3与其他3B非推理模型进行了比较，并在多个基准测试中，与Qwen3推理模型在无推理模式下进行对比。
在计算成本较低的情况下，SmolLM3显著超越Qwen3 1.7B，并接近4B模型的性能，领先于测试的其他3B非推理模型。
尽管在推理和非推理模式下，Qwen3-4B通常能够获得最高分数，但SmolLM3在3B参数类中依然展现出了竞争力，特别是在数学推理和复杂问题解决任务中表现突出。
还可以通过最新版本的vllm加载该模型，vllm使用transformers作为后端。
要启用或禁用推理模式，在系统提示中使用/think或/no_think标志，如下所示。
生成带扩展推理的代码步骤相同，唯一的区别在于系统提示应为/thin而不是/no_think。
只需将工具列表传递到xml_tools（标准工具调用）或python_tools（调用如Python函数的工具）参数中。
