# MAI-Thinking-1：让模型持续思考几千步不崩，比让它开始思考难得多

> 原标题：Microsoft AI 的 MAI-Thinking-1：让模型思考不难，让它持续思考才难

- 来源：Computing Life · Share · 鸭哥调研
- 发布时间：2026-06-03T00:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/33758
- 原文：https://yage.ai/share/mai-thinking-1-reasoning-philosophies-20260603.html

## 摘要

微软 MAI-Thinking-1 的技术报告没在吹模型多会解题，而是在讲怎么让强化学习训练别崩。他们给 GRPO 算法打了三个补丁：一个像恒温器一样动态调节模型的“自信度”，防止它变得死板或乱猜；一个像断路器，在梯度爆炸时直接截断，保住整批训练数据；还有一套自蒸馏抢救流程，训练万一崩了，能把之前学会的推理能力搬到新模型上继续跑。

## 推荐理由

微软 MAI-Thinking-1 技术报告讲的是强化学习训练不崩，给 GRPO 打了动态调节自信度、梯度截断和自蒸馏抢救三个补丁，对做推理模型训练的人有方法层面的参考。

## 锐评

训练崩了能救回来，这个比多解几道题值钱。GRPO 那三个补丁里，自蒸馏抢救最实用，崩了还能把学会的推理能力搬到新模型上接着跑，相当于给训练买了份保险。恒温器和断路器听着像包装，方向倒是对的，RL 训练最怕一批数据全废。几千步不崩这个数我不太信，报告里没给复现条件，微软自己跑的和别人跑的经常两回事。
