文本格式迷宫求解
模型读入以文本描述的迷宫，逐步给出下一步方向，例如连续输出下、左、左、下、右、右、右。整条推理链路以方向 token 的形式对外呈现。
AlphaMaze
AI TOOL PROFILE工具资料用解码器语言模型一步步解开迷宫，验证视觉推理能力的研究项目。
价格官网未标价
平台Web
归类大模型与开发平台
收录2025-02-13
复核2025-02-13
编辑评分
4.1 / 5
★★★★☆
AlphaMaze编辑总结
AlphaMaze 是 Homebrew Research 于 2025 年 2 月 13 日发布的一个研究项目，把「视觉推理」落在一个具体任务上——解迷宫。它基于 1.5B 参数的蒸馏版 Qwen（源自 Deepseek-R1），训练模型读入文本格式的迷宫，再逐方向输出下一步走法。核心思路是：能把迷宫从文字里重建出来并据此规划，就算具备某种视觉推理。训练用 5x5 迷宫数据集，经监督微调加强化学习两阶段完成。最大的看点是把抽象能力拆成可验证的棋盘任务；短板是文章只讲到训练阶段的一部分，完整结果、模型权重与可用入口都没有交代。
AlphaMaze是什么？
AlphaMaze 是 Homebrew Research 的研究项目，定位于「让语言模型学会看图思考」。它针对的是传统语言模型在 ARC-AGI 这类视觉推理基准上的短板，选择迷宫解谜作为切入任务——人类一眼能走通，语言模型却普遍失败。
技术路线上，它没有沿用生成视觉表征的做法，而是把迷宫转成文本格式喂给模型，让模型在内部重建并规划方向。基座是 1.5B 参数的蒸馏版 Qwen，训练算法参考 GRPO，流程分两步：先用 Understanding Search 的 maze-dataset 框架配合深度优先搜索生成 5x5 迷宫，构建专用数据集；再做监督微调与强化学习。
对研究者，它是一个关于「文本格式能否承载空间推理」的假设验证；对普通读者，它更像一份公开实验记录，展示从数据集构造到模型输出的完整链路，而不是一个可直接调用的产品。
AlphaMaze核心功能
分步推理可视化
演示视频展示了模型的解题过程：每一步都显示它的思考状态与方向决策，方便观察模型是在哪一步走偏，而不只是看到一个最终答案。
专用迷宫数据集
基于 Understanding Search 的 maze-dataset 框架、用深度优先搜索算法生成 5x5 迷宫，覆盖多种布局，作为训练数据的来源。
SFT + RL 两阶段训练
先做监督微调让模型学会基本解题格式，再加强化学习继续打磨；整体接近 GRPO 这类在线学习思路，用训练过程中自己生成的数据反复优化。
1.5B 蒸馏基座
模型建立在 1.5-billion 参数的蒸馏版 Qwen 之上，基座源自 Deepseek-R1，走的是用小模型验证推理方法可行性的路线。
AlphaMaze值不值得用？
当成一个可复现的实验记录来读，AlphaMaze 值得花十分钟：它把「视觉推理」这个很虚的命题压缩成 5x5 迷宫，并用 1.5B 的小模型跑通了从数据集构造、文本化表示到 SFT 加 RL 的完整链路，思路清楚、可对照。如果你要找的是能直接调用的解谜工具或公开权重，它并不适合——模型入口、下载方式、评测得分都没有交代，文章篇幅也停在训练阶段。适合研究者和做强化学习实验的团队借鉴方法，不适合想立刻拿来做业务的用户。
建议选它的情况
- 在做小模型推理能力验证，想参考一条完整的 SFT 加 RL 训练流水线
- 对 ARC-AGI 这类视觉推理基准感兴趣，需要一个具体可复现的玩具级任务
- 团队已有 1.5B 级别基座，想评估用合成迷宫数据做强化学习是否可行
不建议选它的情况
- 需要一个开箱即用的解谜工具或 API 服务
- 想直接下载模型权重或调用在线演示
- 需要完整的基准跑分与横向对比数据来做选型
AlphaMaze使用建议
入门先把路子走对
- 先看演示视频视频把「输入迷宫到输出方向」的过程完整走了一遍，先看它比读文字描述快得多，能立刻建立对任务形态的直观印象。
- 盯住输出格式文章给出的答案形如连续的左右下方向标记，理解这个输出约定是复现实验的第一步，否则很难判断模型每一步在做什么。
- 从 5x5 迷宫起步数据集本身就是 5x5 规模，自己动手复现时也建议先固定在这个尺寸，把数据集到训练的通路跑顺再考虑放大。
进阶省时间也省钱
- 借鉴在线学习思路训练强调用过程中生成的数据持续优化，做同类实验时可以把「边训边生成新题」当成标准环节，而不是一次性准备固定数据集。
- 把任务换成你的领域迷宫只是载体，真正可迁移的是「把空间问题文本化、再用分步方向输出」这套方法，换成路径规划或图形推理任务同样适用。
- 关注两阶段的分工监督微调负责让模型学会格式，强化学习负责把解题策略磨好。复现时不要跳过第一阶段，否则强化学习很容易在格式上卡死。
AlphaMaze适合谁用？
强化学习研究者
推荐可以把 5x5 迷宫当作一个干净的实验床，验证 SFT 加 RL 两阶段在小模型上能否拉起空间推理，成本低、可对照。
小模型微调团队
推荐基座是 1.5B 蒸馏版 Qwen，如果你手上的资源只够跑小模型，这条路线提供了一个具体的配方参考。
ARC-AGI 关注者
推荐文章明确把迷宫任务作为受 ARC-AGI 启发的替代验证，想理解这类基准难在哪里，可以从这个简化版本入手。
找现成工具的用户
不推荐模型权重、在线演示与调用入口都没有公开，指望直接拿来解谜或接入业务会落空。
做产品选型的团队
有条件文章尚未给出完整评测结果与横向对比，凭它无法判断实用性；要选型需要等更完整的评测数据。
AlphaMaze优点和缺点
优点
- 任务选得准：把抽象的视觉推理落到 5x5 迷宫，可复现、可对照
- 基座轻，1.5B 蒸馏版 Qwen 即可跑通，实验成本低
- 训练流程完整：数据集构造、SFT、RL 三个阶段都有交代
- 输出格式明确，方向序列让每一步决策都可被检查
- 明确指出 GPT-4o 与 Qwen-Max 在迷宫任务上失败，问题定位清晰
缺点
- 模型权重与在线演示入口均未提供
- 评测得分与横向基准数据缺失，难以量化效果
- 只覆盖 5x5 迷宫，更大尺寸与更复杂结构未涉及
- 文章篇幅 10 分钟，训练细节写到一半，复现门槛偏高
AlphaMaze关键指标
| 指标 | 数值 | 数据来源 |
|---|---|---|
| 基座参数量 | 1.5-billion | AlphaMaze 页面说明模型建立在蒸馏版 Qwen 之上 |
| 训练用迷宫尺寸 | 5x5 | 数据集使用 maze-dataset 框架生成 5x5 迷宫 |
| 阅读时长 | 10 min read | AlphaMaze 页面标注的阅读时长 |
AlphaMaze常见问题
AlphaMaze 是什么？＋
Homebrew Research 在 2025 年 2 月 13 日公开的研究项目，用解码器语言模型解迷宫，以此验证模型是否具备视觉推理能力。
它用什么模型训练的？＋
基座是 1.5-billion 参数的蒸馏版 Qwen，源自 Deepseek-R1。训练算法参考 GRPO 这类在线学习方法，分监督微调和强化学习两个阶段。
迷宫数据从哪里来？＋
使用 Understanding Search 的 maze-dataset 框架，通过深度优先搜索算法生成 5x5 迷宫布局，再转成模型可读的文本表示。
和 GPT-4o 比怎么样？＋
文中对比提到 GPT-4o 与 Qwen-Max 在迷宫求解任务上失败，说明当前语言模型在空间推理上存在明显短板，而 AlphaMaze 正是针对这个缺口设计。
能下载模型或在线试用吗？＋
文章只提供了演示视频，模型权重、下载方式与在线试用入口均未公布，目前只能作为方法参考。
为什么用迷宫来测视觉推理？＋
迷宫对人类来说直观，对 AI 却困难，正适合暴露空间理解的不足。项目假设：模型若能从文本描述重建迷宫并规划下一步，就说明它在做视觉推理。
AlphaMaze最新动态
-
AlphaMaze 项目公开
Homebrew Research 发布 AlphaMaze，介绍用文本格式迷宫训练 1.5B 语言模型做视觉推理的方法与两阶段训练流程。
官方公告 ↗
