微软发布开源数学推理模型rStar2-Agent，参数规模为14B，通过智能思考而非延长推理时间，实现与6710亿参数模型相当的性能。该模型具备自主规划、推理和使用代码工具的能力，采用GRPO-RoC算法、高效RL基础设施和多阶段训练方案，在有限资源下实现高效训练，并在多个任务中展现强大泛化能力。