据IT之家5月9日消息，美国OpenAI在o4-mini推理模型上推出强化微调技术（Reinforcement Fine-Tuning，RFT）。与传统的监督式微调不同，RFT基于强化学习算法，通过奖励驱动的训练循环优化模型表现。这一方法无需开发者提供固定的目标输出，而是利用评分器（Grader）评估模型回答质量，引导AI学习复杂任务的推理模式。测评结果显示，经RFT优化后的o4-mini在SWE-Bench Verified基准测试中性能提升约20%，为开发团队提供了前所未有的高性价比定制选择。该项技术有望彻底改变AI专业化成本结构和技术门槛，使企业能以少量训练数据将通用AI迅速转变为特定领域的专家系统。