Aller au contenu principal
Niklas Muennighoff et al.

Mille exemples triés et un plafond strict de tokens de réflexion suffisent à dépasser des systèmes de raisonnement plus gros. Papier de 2025, gratuit en ligne.

s1: Simple test-time scaling

s1 : mise à l'échelle simple au moment du test

Niklas Muennighoff ∗134^{*1^{3}4} Zitong Yang ∗1^{*1} Weijia Shi ∗23^{*2^{3}} Xiang Lisa Li ∗1^{*1} Li Fei-Fei 1^{1} Hannaneh Hajishirzi 23^{2^{3}} Luke Zettlemoyer 2^{2} Percy Liang 1^{1} Emmanuel Candès 1^{1} Tatsunori Hashimoto 1^{1}

Résumé

La mise à l'échelle au moment du test est une nouvelle approche prometteuse pour la modélisation du langage, qui utilise du calcul supplémentaire au moment du test pour améliorer les performances. Récemment, le modèle o1 d'OpenAI a montré cette capacité mais n'a pas partagé publiquement sa méthodologie, ce qui a conduit à de nombreux efforts de réplication. Nous cherchons l'approche la plus simple pour obtenir une mise à l'échelle au moment du test et de fortes performances de raisonnement. Premièrement, nous constituons un petit jeu de données s1K de 1 000 questions associées à des traces de raisonnement en nous appuyant sur trois critères que nous validons par des ablations : difficulté, diversité et qualité. Deuxièmement, nous développons le budget forcing pour contrôler le calcul au moment du test en terminant de force le processus de réflexion du modèle ou en le prolongeant en ajoutant plusieurs fois « Wait » à la génération du modèle lorsqu'il tente de terminer. Cela peut amener le modèle à revérifier sa réponse, corrigeant souvent des étapes de raisonnement incorrectes. Après un ajustement supervisé du modèle de langage Qwen2.5-32B-Instruct sur s1K et en l'équipant du budget forcing, notre modèle s1-32B dépasse o1-preview sur des questions de mathématiques de concours jusqu'à 27%27\% (MATH et AIME24). En outre, la mise à l'échelle de s1-32B avec budget forcing permet d'extrapoler au-delà de ses performances sans intervention au moment du test : de 50%50\% à 57%57\% sur AIME24. Notre modèle, nos données et notre code sont open source à l'adresse https://github.com/simplescaling/s1.

1. Introduction

Les améliorations de performance des modèles de langage (LMs) au cours des dernières années ont largement reposé sur la mise à l'échelle du calcul au moment de l'entraînement à l'aide d'un préentraînement auto-supervisé à grande échelle (Kaplan et al., 2020 ; Hoffmann et al., 2022). La création de ces modèles puissants a préparé le terrain pour un nouveau paradigme de mise à l'échelle construit par-dessus eux : la mise à l'échelle au moment du test. L'objectif

Figure 1. Mise à l’échelle au moment du test avec s1-32B. Nous évaluons s1-32B sur des tâches à forte intensité de raisonnement et faisons varier le calcul au moment du test.
Figure 1. Mise à l’échelle au moment du test avec s1-32B. Nous évaluons s1-32B sur des tâches à forte intensité de raisonnement et faisons varier le calcul au moment du test.

de cette approche est d'augmenter le calcul au moment du test pour obtenir de meilleurs résultats. De nombreux travaux ont exploré cette idée (Snell et al., 2024 ; Welleck et al., 2024), et la viabilité de ce paradigme a récemment été validée par OpenAI o1 (OpenAI, 2024). o1 a démontré de fortes performances de raisonnement avec des gains constants grâce à la mise à l'échelle du calcul au moment du test. OpenAI décrit son approche comme utilisant un apprentissage par renforcement (RL) à grande échelle, ce qui implique l'utilisation de quantités considérables de données (OpenAI, 2024). Cela a conduit à diverses tentatives de réplication de leurs modèles s'appuyant sur des techniques telles que la recherche arborescente de Monte-Carlo (Gao et al., 2024b ; Zhang et al., 2024a), les approches multi-agents (Qin et al., 2024), et d'autres (Wang et al., 2024a ; Huang et al., 2024b ; 2025). Parmi ces approches, DeepSeek R1 (DeepSeek-AI et al., 2025) a réussi à répliquer les performances de niveau o1, en employant également l'apprentissage par renforcement via des millions d'échantillons et plusieurs étapes d'entraînement. Cependant, malgré le grand nombre de tentatives de réplication d'o1, aucune n'a répliqué ouvertement un comportement clair de mise à l'échelle au moment du test. Nous posons donc la question suivante : quelle est l'approche la plus simple pour obtenir à la fois une mise à l'échelle au moment du test et de fortes performances de raisonnement ? Nous montrons qu'un entraînement sur seulement 1 000 échantillons avec prédiction du jeton suivant et un contrôle de la durée de réflexion via une technique simple au moment du test que nous appelons budget forcing conduit à un modèle de raisonnement performant dont les performances augmentent avec davantage de calcul au moment du test. Plus précisément, nous construisons s1K, qui consiste en 1 000 questions soigneusement sélectionnées associées à des traces de raisonnement et des réponses distillées à partir de Gemini Thinking Experimental (Google, 2024). Nous effectuons un ajustement supervisé (SFT) d'un modèle préentraîné prêt à l'emploi sur notre petit jeu de données, ce qui ne nécessite que 26 minutes d'entraînement sur 16 GPU H100. Après l'entraînement, nous contrôlons la quantité de calcul au moment du test que notre modèle utilise grâce au budget forcing : (I) Si le modèle génère plus de jetons de réflexion qu'une limite souhaitée, nous terminons de force le processus de réflexion en ajoutant un délimiteur de fin de réflexion. Terminer la réflexion de cette manière amène le modèle à passer à la génération de sa réponse. (II) Si nous voulons que le modèle consacre plus de calcul au moment du test à un problème, nous supprimons la génération du délimiteur de fin de réflexion et ajoutons plutôt « Wait » à la trace de raisonnement actuelle du modèle afin d'encourager davantage d'exploration. Grâce à cette recette simple — SFT sur 1 000 échantillons et budget forcing au moment du test — notre modèle s1-32B exhibe une mise à l'échelle au moment du test (Figure 1). En outre, s1-32B est le modèle de raisonnement le plus efficace en termes d'échantillons et surpasse des modèles propriétaires comme o1-preview d'OpenAI (Figure 2).Nous menons de nombreuses expériences d'ablation portant sur (a) notre sélection de 1 000 (1K) échantillons de raisonnement et (b) notre mise à l'échelle au moment du test. Pour (a), nous constatons qu'il est important d'intégrer conjointement des mesures de difficulté, de diversité et de qualité dans notre algorithme de sélection. Une sélection aléatoire, la sélection des échantillons ayant les traces de raisonnement les plus longues, ou la sélection d'échantillons uniquement maximisant la diversité conduisent toutes à des performances nettement inférieures (environ \(-30\%\) sur AIME24 en moyenne). L'entraînement sur l'intégralité de notre pool de données de 59K exemples, un sur-ensemble de s1K, n'apporte pas de gains substantiels par rapport à notre sélection de 1K. Cela souligne l'importance d'une sélection minutieuse des données et fait écho à des résultats antérieurs pour l'ajustement d'instructions (Zhou et al., 2023). Pour (b), nous définissons des desiderata pour les méthodes de mise à l'échelle au moment du test afin de comparer différentes approches. Le budget forcing conduit à la meilleure mise à l'échelle, car il présente une contrôlabilité parfaite avec une pente positive claire conduisant à de fortes performances.

En résumé, nos contributions sont les suivantes : nous développons des méthodes simples pour créer un jeu de données de raisonnement efficace en termes d'échantillons (§2) et une mise à l'échelle au moment du test (§3) ; sur cette base, nous construisons s1-32B, qui est compétitif avec o1-preview (§4) ; nous réalisons des ablations sur les subtilités des données (§5.1) et de la mise à l'échelle au moment du test (§5.2). Nous terminons par une discussion visant à motiver des travaux futurs sur le raisonnement simple (§6). Notre code, notre modèle et nos données sont open source à l'adresse https://github.com/simplescaling/s1.

2. Curation des données de raisonnement pour créer s1K

Dans cette section, nous décrivons notre processus de création d'un grand jeu de données d'abord en §2.1, puis son filtrage jusqu'à s1K en §2.2.

2.1. Collecte initiale de 59K échantillons

Nous collectons un ensemble initial de 59 029 questions provenant de 16 sources selon trois principes directeurs. Qualité : les jeux de données doivent être de haute qualité ; nous inspectons toujours les échantillons et ignorons les jeux de données présentant, par exemple, un mauvais formatage ; Difficulté : les jeux de données doivent être difficiles et exiger un effort de raisonnement significatif ; Diversité : les jeux de données doivent provenir de divers domaines afin de couvrir différentes tâches de raisonnement. Nous collectons des jeux de données de deux catégories :

Curation de jeux de données existants Notre plus grande source est NuminaMATH (LI et al., 2024) avec 30 660 problèmes mathématiques issus de sites web en ligne. Nous incluons également des problèmes historiques d'AIME (1983-2021). Pour renforcer la diversité, nous ajoutons OlympicArena (Huang et al., 2024a) avec 4 250 questions couvrant l'astronomie, la biologie, la chimie, l'informatique, la géographie, les mathématiques et la physique, issues de diverses olympiades. OmniMath (Gao et al., 2024a) ajoute 4 238 problèmes mathématiques de niveau concours. Nous incluons également 2 385 problèmes provenant d'AGIEval (Zhong et al., 2023), qui comporte des questions de tests standardisés comme le SAT et le LSAT, couvrant l'anglais, le droit et la logique. Nous renvoyons au Tableau 7 en §C pour nos autres sources.

Nouveaux jeux de données en raisonnement quantitatif Pour compléter ces jeux de données existants, nous créons deux jeux de données originaux. s1-prob comprend 182 questions issues de la section probabilités des examens de qualification doctorale du département de statistiques de l'Université Stanford (https://statistics.stanford.edu), accompagnées de solutions manuscrites couvrant des preuves difficiles. L'examen de qualification en probabilités est organisé chaque année et exige une résolution de problèmes mathématiques de niveau professionnel. s1-teasers comprend 23 casse-têtes stimulants couramment utilisés dans les questions d'entretien pour des postes de trading quantitatif. Chaque échantillon consiste en un problème et une solution tirés de PuzzledQuant (https://www.puzzledquant.com/). Nous ne prenons que les exemples du niveau de difficulté le plus élevé (« Hard »).

Pour chaque question, nous générons une trace de raisonnement et une solution à l'aide de l'API Google Gemini Flash Thinking (Google, 2024) en extrayant sa trace de raisonnement et sa réponse. Cela produit 59K triplets d'une question, d'une trace de raisonnement générée et d'une solution générée. Des exemples de notre jeu de données figurent en §D.2. Nous décontaminons tous les échantillons par rapport à nos questions d'évaluation (MATH500, GPQA Diamond, AIME24 ; §C.5) à l'aide de 8-grammes et dédupliquons les données.

2.2. Sélection finale de 1K échantillons

Nous pourrions directement effectuer l'entraînement sur notre ensemble de 59 K questions, mais notre objectif est de trouver l'approche la plus simple avec un minimum de ressources. Nous passons donc par trois étapes de filtrage pour aboutir à un ensemble minimal de 1 000 échantillons, en nous appuyant sur nos trois principes directeurs en matière de données : qualité, difficulté et diversité.

Qualité Nous supprimons d'abord toutes les questions pour lesquelles nous avons rencontré des erreurs d'API, ce qui réduit notre jeu de données à 54 116 échantillons. Ensuite, nous filtrons les exemples de faible qualité en vérifiant s'ils contiennent des motifs de chaînes présentant des problèmes de formatage, tels que des diagrammes en art ASCII, des références à des images inexistantes ou une numérotation incohérente des questions, ce qui réduit notre jeu de données à 51 581 exemples.

Figure 2. s1K et s1-32B. (à gauche) s1K est un jeu de données de 1 000 questions de haute qualité, diverses et difficiles, accompagnées de traces de raisonnement. (à droite) s1-32B, un modèle de 32 milliards de paramètres affiné sur s1K, se situe à la frontière de l'efficacité en matière d'échantillons. Voir le Tableau 1 pour plus de détails sur les autres modèles.
Figure 2. s1K et s1-32B. (à gauche) s1K est un jeu de données de 1 000 questions de haute qualité, diverses et difficiles, accompagnées de traces de raisonnement. (à droite) s1-32B, un modèle de 32 milliards de paramètres affiné sur s1K, se situe à la frontière de l'efficacité en matière d'échantillons. Voir le Tableau 1 pour plus de détails sur les autres modèles.

À partir de cet ensemble, nous identifions 384 échantillons pour constituer nos 1 000 échantillons finaux, issus de jeux de données que nous considérons comme de haute qualité et ne nécessitant pas de filtrage supplémentaire (voir §C.4 pour les détails).

Difficulté Pour la difficulté, nous utilisons deux indicateurs : la performance du modèle et la longueur de la trace de raisonnement. Nous évaluons deux modèles sur chaque question : Qwen2.5- 7B- Instruct et Qwen2.5- 32B- Instruct (Qwen et al., 2024), l'exactitude étant évaluée par Claude 3.5 Sonnet en comparant chaque tentative à la solution de référence (voir §C.3 pour le protocole d'évaluation). Nous mesurons la longueur en tokens de chaque trace de raisonnement pour indiquer la difficulté du problème à l'aide du tokenizer de Qwen2.5. Cela repose sur l'hypothèse que les problèmes plus difficiles nécessitent davantage de tokens de réflexion. Sur la base de l'évaluation, nous supprimons les questions que Qwen2.5- 7B- Instruct ou Qwen2.5- 32B- Instruct peut résoudre correctement et qui peuvent donc être trop faciles. En utilisant deux modèles, nous réduisons la probabilité qu'un échantillon facile passe au travers de notre filtrage en raison d'une erreur rare sur une question facile de l'un des modèles. Cela ramène notre total d'échantillons à 24 496, ce qui prépare la prochaine série de sous-échantillonnage fondée sur la diversité. Bien que le filtrage avec ces deux modèles puisse être optimisé pour notre configuration, puisque nous utiliserons également Qwen2.5- 32B- Instruct comme modèle à affiner, l'idée d'un filtrage fondé sur les modèles se généralise à d'autres configurations.

Diversité Pour quantifier la diversité, nous classons les questions en domaines à l'aide de Claude 3.5 Sonnet sur la base du système de classification des mathématiques (MSC) (par exemple, géométrie, combinatoire, etc.) de l'American Mathematical Society. La taxonomie porte sur des sujets mathématiques mais inclut également d'autres sciences telles que la biologie, la physique et l'éco1nomie. Pour sélectionner nos exemples finaux parmi un ensemble de 24 496 questions, nous choisissons d'abord un domaine uniformément au hasard. Ensuite, nous échantillonnons un problème de ce domaine selon une distribution qui privilégie les traces de raisonnement plus longues (voir §C.4 pour les détails), comme motivé dans la section Difficulté. Nous répétons ce processus jusqu'à obtenir 1 000 échantillons au total couvrant 50 domaines.

Au §5.1, nous montrerons que l'utilisation combinée de nos trois critères est importante, car se fier uniquement à la qualité, à la diversité ou à la difficulté de manière isolée conduit à de moins bons jeux de données. Certaines générations distillées sont incorrectes, ce que nous autorisons dans nos données car nous cherchons à capturer le processus de raisonnement plutôt que des solutions entièrement correctes. Notre évaluateur (§C.3) juge 53,6 % correctes dans s1K et 63,0 % dans notre version ultérieure s1K-1.1 (voir §A).

3. Mise à l'échelle au moment du test

3.1. Méthode

Nous classons les méthodes de mise à l'échelle au moment du test en 1) Séquentielles, où les calculs ultérieurs dépendent des précédents (par exemple, une longue trace de raisonnement), et 2) Parallèles, où les calculs s'exécutent indépendamment (par exemple, le vote majoritaire) (Snell et al., 2024 ; Brown et al., 2024). Nous nous concentrons sur la mise à l'échelle séquentielle car nous pensons intuitivement qu'elle devrait mieux passer à l'échelle, puisque les calculs ultérieurs peuvent s'appuyer sur les résultats intermédiaires, permettant un raisonnement plus profond et un raffinement itératif. Nous proposons de nouvelles méthodes de mise à l'échelle séquentielle et des moyens de les évaluer.

Budget forcing Nous proposons une intervention simple au moment du décodage en imposant un nombre maximum et/ou minimum de tokens de réflexion. Plus précisément, nous imposons un nombre maximal de tokens en ajoutant simplement le délimiteur de token de fin de réflexion et éventuellement « Final Answer: » pour sortir précocement

Figure 3. Forçage du budget avec s1-32B. Le modèle tente de s'arrêter après « ...is 2. », mais nous supprimons le délimiteur de fin de réflexion et ajoutons plutôt « Wait », ce qui amène s1-32B à corriger sa propre réponse.
Figure 3. Forçage du budget avec s1-32B. Le modèle tente de s'arrêter après « ...is 2. », mais nous supprimons le délimiteur de fin de réflexion et ajoutons plutôt « Wait », ce qui amène s1-32B à corriger sa propre réponse.

de la phase de réflexion et amener le modèle à fournir sa meilleure réponse actuelle. Pour imposer un minimum, nous supprimons la génération du délimiteur de token de fin de réflexion et ajoutons éventuellement la chaîne « Wait » à la trace de raisonnement actuelle du modèle pour l'encourager à réfléchir à sa génération en cours. La figure 3 contient un exemple de la façon dont cette approche simple peut amener le modèle à parvenir à une meilleure réponse.

Références de comparaison Nous évaluons le budget forcing par rapport à : (I) les méthodes de contrôle conditionnel de la longueur, qui consistent à indiquer au modèle dans le prompt la durée pendant laquelle il doit générer. Nous les regroupons par granularité en (a) contrôle conditionnel par tokens : nous spécifions dans le prompt une borne supérieure de tokens de réflexion ; (b) contrôle conditionnel par étapes : nous spécifions une borne supérieure d'étapes de réflexion, où chaque étape compte environ 100 tokens ; (c) contrôle conditionnel par classe : nous rédigeons deux prompts génériques qui indiquent au modèle de réfléchir pendant une durée courte ou longue (voir §E.1 pour les détails). (II) l'échantillonnage par rejet, qui échantillonne jusqu'à ce qu'une génération respecte un budget de calcul prédéterminé. Cet oracle capture la postérieure sur les réponses conditionnées par leur longueur.

3.2. Métriques

Nous établissons un ensemble de propriétés souhaitables comme métriques d'évaluation pour mesurer la mise à l'échelle au moment du test selon les méthodes. Il est important de noter que nous ne nous intéressons pas seulement à la précision qu'une méthode peut atteindre, mais aussi à sa contrôlabilité et à sa pente de mise à l'échelle au moment du test. Pour chaque méthode considérée, nous exécutons un ensemble d'évaluations a∈Aa \in \mathcal{A} en faisant varier le calcul au moment du test sur un benchmark fixe, par exemple AIME24. Cela produit une fonction linéaire par morceaux ff avec le calcul en abscisse, mesuré en tokens de réflexion, et la précision en ordonnée (voir la figure 1, où le point le plus à droite pour AIME24 correspond à f(7320)=57%f(7320) = 57\% ). Nous mesuronstrois métriques :

Control=1∣A∣∑a∈AI(amin⁡≤a≤amax⁡)(1)\mathrm{Control} = \frac{1}{|\mathcal{A}|}\sum_{a\in \mathcal{A}}\mathbb{I}(a_{\min}\leq a\leq a_{\max}) \quad (1)

où amin⁡,amax⁡a_{\min}, a_{\max} désignent une quantité minimale et maximale prédéfinie de calcul au moment du test ; dans notre cas, des tokens de réflexion. Nous ne contraignons généralement que amax⁡a_{\max} . Comme les tokens générés correspondent à la quantité de calcul au moment du test dépensée, cette métrique mesure dans quelle mesure une méthode permet de contrôler l'utilisation de ce calcul au moment du test. Nous la rapportons en pourcentage, 100%100\% correspondant à un contrôle parfait.

Scaling=1(∣A∣2)∑a,b∈Ab>af(b)−f(a)b−a(2)\mathrm{Scaling} = \frac{1}{\binom{|\mathcal{A}|}{2}}\sum_{\substack{a,b\in\mathcal{A}\\b>a}}\frac{f(b) - f(a)}{b - a} \quad (2)

Scaling est la pente moyenne de la fonction linéaire par morceaux. Elle doit être positive pour que les méthodes soient utiles, et plus elle est grande, mieux c'est.

Performance=max⁡a∈Af(a)(3)\mathrm{Performance} = \max_{a\in \mathcal{A}}f(a) \quad (3)

Performance est simplement la performance maximale atteinte par la méthode sur le benchmark. Une méthode dont la mise à l'échelle est monotone croissante atteint 100%100\% de performance sur tout benchmark à la limite. Cependant, les méthodes que nous étudions finissent par plafonner ou la mise à l'échelle échoue ensuite en raison de limitations de contrôle ou de fenêtre de contexte.

4. Résultats

4.1. Configuration

Entraînement Nous effectuons un affinage supervisé sur Qwen2.5-32B-Instruct en utilisant s1K pour obtenir notre modèle s1-32B, avec les hyperparamètres de base décrits au §D. L'affinage a pris 26 minutes sur 16 GPU NVIDIA H100 avec PyTorch FSDP.

Évaluation Nous sélectionnons trois benchmarks de raisonnement représentatifs largement utilisés dans le domaine : AIME24 (of America, 2024) comporte 30 problèmes qui ont été utilisés lors de l'American Invitational Mathematics Examination (AIME) 2024, tenue du 31 janvier au 1er février 2024. L'AIME teste la résolution de problèmes mathématiques avec l'arithmétique, l'algèbre, le dénombrement, la géométrie, la théorie des nombres, les probabilités et d'autres sujets mathématiques du secondaire. Les lycéens ayant obtenu de bons scores au test sont invités à participer à l'United States of America Mathematics Olympiad (USAMO). Toutes les réponses de l'AIME sont des entiers allant de 000 à 999 inclus. Certains problèmes de l'AIME reposent sur des figures que nous fournissons à notre modèle à l'aide du langage graphique vectoriel Asymptote, car il ne peut pas prendre d'images en entrée. MATH500 (Hendrycks et al., 2021) est un benchmark de problèmes mathématiques de compétition de difficulté variable. Nous évaluons sur les mêmes 500 échantillons sélectionnés par OpenAI dans des travaux antérieurs (Lightman et al., 2023). GPQA Diamond (Rein et al., 2023) se compose de 198 questions scientifiques de niveau doctorat

Figure 4. Mise à l’échelle séquentielle et parallèle au moment du test. (a) : Le forçage du budget montre des tendances claires de mise à l’échelle et extrapole dans une certaine mesure. Pour les trois points les plus à droite, nous empêchons le modèle d’arrêter sa réflexion 2/4/6 fois, en ajoutant chaque fois « Wait » à sa trace de raisonnement actuelle. (b) : Pour Qwen2.5-32B-Instruct, nous effectuons 64 évaluations pour chaque échantillon avec une température de 1 et visualisons les performances lors du vote majoritaire sur 2, 4, 8, 16, 32 et 64 de celles-ci.
Figure 4. Mise à l’échelle séquentielle et parallèle au moment du test. (a) : Le forçage du budget montre des tendances claires de mise à l’échelle et extrapole dans une certaine mesure. Pour les trois points les plus à droite, nous empêchons le modèle d’arrêter sa réflexion 2/4/6 fois, en ajoutant chaque fois « Wait » à sa trace de raisonnement actuelle. (b) : Pour Qwen2.5-32B-Instruct, nous effectuons 64 évaluations pour chaque échantillon avec une température de 1 et visualisons les performances lors du vote majoritaire sur 2, 4, 8, 16, 32 et 64 de celles-ci.

en biologie, chimie et physique. Des experts titulaires d'un doctorat dans les domaines correspondants n'ont atteint que 69,7%69,7\% sur GPQA Diamond (OpenAI, 2024). Lorsque nous écrivons « GPQA » dans le contexte de l'évaluation dans ce travail, nous faisons toujours référence au sous-ensemble Diamond. Nous nous appuyons sur le framework « lm-evaluation-harness » (Gao et al., 2021 ; Biderman et al., 2024). Sauf indication contraire, nous évaluons avec une température de 0 (greedy) et mesurons la précision (équivalente à pass@1).

Autres modèles Nous comparons s1-32B à : la série OpenAI o1 (OpenAI, 2024), des modèles à source fermée qui ont popularisé la mise à l'échelle au moment du test ; la série DeepSeek r1 (DeepSeek-AI et al., 2025), des modèles de raisonnement à poids ouverts atteignant des performances de niveau o1 ; QwQ-32B-preview de Qwen (Team, 2024), un modèle de raisonnement à poids ouverts de 32B dont la méthodologie n'est pas divulguée ; Sky-T1-32B-Preview (Team, 2025) et Bespoke-32B (Labs, 2025), des modèles ouverts avec des données de raisonnement ouvertes distillées à partir de QwQ-32B-preview et r1 ; Google Gemini 2.0 Flash Thinking Experimental (Google, 2024), l'API dont nous distillons. Comme il n'a pas de scores d'évaluation officiels, nous l'évaluons nous-mêmes à l'aide de l'API Gemini. Cependant, l'« erreur de récitation » de l'API Gemini rend l'évaluation difficile.2 Nous contournons cela en insérant manuellement les 30 questions d'AIME24 dans son interface web, où l'erreur n'apparaît pas. Cependant, nous omettons MATH500 (500 questions) et GPQA Diamond (198 questions), qui sont donc N.A. dans le tableau 1. Notre modèle, s1-32B, est entièrement ouvert, y compris les poids, les données de raisonnement et le code.

Modèleex.AIME 2024MATH 500GPQA Diamond
API uniquement
o1-previewN.D.44,685,573,3
o1-miniN.D.70,090,060,0
o1N.D.74,494,877,3
Gemini 2.0N.D.60,0N.D.N.D.
Flash Think.
Poids ouverts
Qwen2.5-32B-InstructN.D.26,784,049,0
QwQ-32BN.D.50,090,654,5
r1≥800K79,897,371,5
r1-distill800K72,694,362,1
Poids ouverts et données ouvertes
Sky-T117K43,382,456,8
Bespoke-32B17K63,393,058,1
s1 sans BF1K50,092,656,6
s1-32B1K56,793,059,6
Tableau 1. s1-32B est un modèle de raisonnement ouvert performant. Nous évaluons s1-32B, Qwen et Gemini (certaines entrées sont inconnues (N.A.), voir §4\S 4 ). Les autres résultats proviennent des rapports respectifs (Qwen et al., 2024 ; Team, 2024 ; OpenAI, 2024 ; DeepSeek-AI et al., 2025 ; Labs, 2025 ; Team, 2025). # ex. = nombre d'exemples utilisés pour le finetuning du raisonnement ; BF = budget forcing. Voir §A\S \mathrm{A} pour notre meilleur modèle s1.1.
Qwen2.5-32B-Instruct
N.A.26,784,0QwQ-32B
N.A.50,090,6r1
≥800K79,897,3r1-distill
800K72,694,3Poids ouverts et données ouvertes
Sky-T1
17K43,382,4Bespoke-32B
17K63,393,0s1 sans BF
1K50,092,6s1-32B
1K56,793,0
s1 sans Bf⁺ 1K 50,0 92,6 56,6 s1-32B 1K 56,7 93,0 59,6

4.2. Performance

Mise à l’échelle au moment du test La figure 1 montre que les performances de s1-32B avec budget forcing s’améliorent avec davantage de calcul au moment du test. Dans la figure 4 (à gauche), nous élargissons le graphique de la figure 1 (au milieu), montrant que, bien que nous puissions améliorer les performances sur AIME24 grâce à notre technique de budget forcing (§3) et à davantage de calcul au moment du test, celles-ci finissent par plafonner à six fois. Supprimer trop souvent le délimiteur de fin de réflexion peut conduire le modèle à entrer dans des boucles répétitives au lieu de poursuivre son raisonnement. Dans la figure 4 (à droite), nous montrons qu’après avoir entraîné Qwen2.5-32B-Instruct sur nos 1 000 échantillons pour produire s1-32B et l’avoir équipé de la simple technique de budget forcing, il opère dans un autre paradigme de mise à l’échelle. Mettre à l’échelle le calcul au moment du test sur le modèle de base via un vote majoritaire ne peut pas rattraper les performances de s1-32B, ce qui valide notre intuition du §3 selon laquelle la mise à l’échelle séquentielle est plus efficace que la parallèle. Nous fournissons des exemples de générations de s1-32B dans la figure 5.

Efficacité en termes d’échantillons Dans la figure 2 (à droite) et le tableau 1, nous comparons s1-32B avec d’autres modèles. Nous constatons que s1-32B est le modèle de raisonnement à données ouvertes le plus efficace en termes d’échantillons. Il obtient des performances nettement meilleures que notre modèle de base (Qwen2.5-32B-Instruct) malgré un entraînement sur seulement 1 000 échantillons supplémentaires. Le modèle r1-32B publié simultanément montre des performances supérieures à s1-32B tout en utilisant également uniquement du SFT (DeepSeek-AI et al., 2025). Cependant, il est entraîné sur 800×800\times plus d’échantillons de raisonnement. Savoir si l’on peut atteindre leurs performances avec seulement 1 000 échantillons reste une question ouverte. Enfin, notre modèle égale presque Gemini 2.0 Thinking sur AIME24. Comme les données de s1-32B sont distillées à partir de Gemini 2.0, cela montre que notre procédure de distillation a probablement été efficace.

5. Ablations

5.1. Quantité, diversité et difficulté des données

Dans le §2, nous avons présenté nos trois principes directeurs pour constituer s1K : qualité, difficulté et diversité. Nous testons ici l’importance de les combiner et l’efficacité globale de notre sélection. Qualité uniquement (1K-random) : après avoir obtenu nos chaînes de raisonnement de haute qualité à partir de Gemini, nous sélectionnons 1 000 échantillons au hasard, sans nous appuyer du tout sur notre filtrage par difficulté et diversité. Le tableau 2 montre que cette approche est bien moins performante que s1K sur tous les benchmarks. Diversité uniquement (1K-diverse) : pour ce jeu de données, nous échantillonnons uniformément entre les domaines afin de maximiser la diversité, sans tenir compte d’aucune notion de difficulté. Cette approche conduit également à de faibles performances, similaires à celles de 1K-random. Difficulté uniquement (1K-longest) : ici, nous nous appuyons sur l’un de nos indicateurs de difficulté introduits au §2 en sélectionnant les 1 000 échantillons ayant les traces de raisonnement les plus longues. Cette approche améliore significativement les performances sur GPQA, mais reste globalement inférieure à l’utilisation de s1K. Maximiser la quantité :

ModèleAIME 2024MATH 500GPQA Diamond
1K-aléatoire36,790,652,0
[-26,7 %, -3,3 %][-4,8 %, 0,0 %][-12,6 %, 2,5 %]
1K-diversifié26,791,254,6
[-40,0 %, -10,0 %][-4,0 %, 0,2 %][-10,1 %, 5,1 %]
1K-le plus long33,390,459,6
[-36,7 %, 0,0 %][-5,0 %, -0,2 %][-5,1 %, 10,1 %]
59K-complet53,392,858,1
[-13,3 %, 20,0 %][-2,6 %, 2,2 %][-6,6 %, 8,6 %]
s1K50,093,057,6
Tableau 2. Ablations des données s1K. Nous imposons (budget forcing, BF) un maximum d'environ 30 000 jetons de réflexion pour tous les scores de ce tableau. Cela donne des résultats légèrement meilleurs que les scores sans BF (Tableau 1), car cela permet au modèle de terminer avec une meilleure estimation lorsqu'il est bloqué dans une boucle infinie. Nous rapportons des intervalles de confiance bootstrap appariés à 95%95\% pour les différences par rapport au modèle s1K, en utilisant 10 000 échantillons bootstrap. Par exemple, l'intervalle [−13%,20%][- 13\% ,20\% ] signifie qu'avec une confiance de 95%95\%, la différence réelle entre 59K-complet et s1K se situe entre −13%-13\% et +20%+20\%. Si l'intervalle entier est négatif, par exemple [−27%,−3%][- 27\% , - 3\% ], nous pouvons affirmer avec confiance que la performance est inférieure à celle de s1K.

Enfin, nous comparons avec un entraînement sur l’ensemble de nos 59K échantillons, un sur-ensemble de toutes les versions à 1K échantillons. Cela conduit à un modèle solide, mais utilise beaucoup plus de ressources. Pour affiner sur 59K échantillons, nous utilisons 394 heures GPU H100, tandis que s1-32B n’a nécessité que 7 heures GPU H100. De plus, s’appuyer uniquement sur s1K est extrêmement compétitif, comme le montre le §2. Dans l’ensemble, combiner les trois critères — qualité, difficulté, diversité — via notre méthodologie du §2 est essentiel pour un entraînement au raisonnement efficace en termes d’échantillons.

5.2. Méthodes de mise à l’échelle au moment du test

MéthodeContrôleMise à l'échellePerformance|A|
BF100%1556,75
TCC40%-2440,05
TCC + BF100%1340,05
SCC60%336,75
SCC + BF100%636,75
CCC50%2536,72
RS100%-3540,05
Tableau 3. Ablations sur les méthodes de mise à l'échelle du calcul au moment du test sur AIME24. ∣A∣|A| désigne le nombre d'exécutions d'évaluation utilisées pour estimer les propriétés ; une valeur plus élevée indique donc une plus grande robustesse. Le gras indique notre méthode choisie et les meilleures valeurs. BF == budget forcing, TCC/SCC/CCC == contrôle conditionnel par token/étape/classe, RS=\mathrm{RS} = échantillonnage par rejet.
[AIME24]

Alice et Bob jouent au jeu suivant. Une pile de nn jetons se trouve devant eux. Les joueurs jouent à tour de rôle, Alice commençant. À chaque tour, le joueur retire soit 1 jeton, soit 4 jetons de la pile. Celui qui retire le dernier jeton gagne. Trouver le nombre d’entiers positifs nn inférieurs ou égaux à 2024 pour lesquels il existe une stratégie pour Bob garantissant que Bob gagnera la partie quel que soit le jeu d’Alice.

Le problème demande le nombre d’entiers positifs n≤2024n\leq 2024 tels que Bob ait une stratégie gagnante. Il s’agit d’un jeu impartial typique qui peut être analysé à l’aide du théorème de Sprague-Grundy ou en trouvant directement les positions gagnantes et perdantes. Soit WW l’ensemble des positions gagnantes (nombre de jetons nn tel que le joueur dont c’est le tour peut forcer une victoire) et LL l’ensemble des positions perdantes. [...]

Soit P(n)P(n) l’énoncé « le joueur dont c’est le tour lorsqu’il y a nn jetons a une stratégie gagnante ». P(0)P(0) est faux (le joueur dont c’est le tour et qui fait face à 0 jeton a déjà perdu). Considérons les petites valeurs de nn. n=1n = 1 : le joueur dont c’est le tour peut prendre 1 jeton et gagner. Donc P(1)P(1) est vrai. 1∈W1\in W. n=2n = 2 : le joueur dont c’est le tour peut prendre 1 jeton, laissant 1 jeton à l’adversaire. Comme 1∈W1\in W, l’adversaire gagne. Donc P(2)P(2) est faux. 2∈L2\in L. n=3n = 3 : le joueur dont c’est le tour peut prendre 1 jeton, laissant 2 jetons à l’adversaire. Comme 2∈L2\in L, le joueur dont c’est le tour gagne. Donc P(3)P(3) est vrai. 3∈3\in WW. ...]

Nous cherchons le nombre d’entiers positifs n≤2024n\leq 2024 pour lesquels Bob a une stratégie gagnante. Cela signifie que si la partie commence avec nn jetons et qu’Alice commence, Bob peut gagner. Cela se produit si et seulement si nn est une position perdante (car si n∈Ln\in L, alors le premier coup d’Alice doit conduire à une position gagnante pour Bob). [...]

Essayons de trouver un motif dans les positions perdantes L={0,2,5,7,10,12,15,17,20,22,…}L = \{0,2,5,7,10,12,15,17,20,22,\ldots\}. Différences entre termes consécutifs : 2,3,2,3,2,3,2,3,2, ... Le motif des différences alterne 2,3. [...] Les positions perdantes sont de la forme 5m5m ou 5m+25m + 2 où m≥0m\geq 0. Nous devons trouver le nombre d’entiers positifs n≤2024n\leq 2024 qui appartiennent à l’ensemble des positions perdantes LL ...]

Cas 1 : n=5mn = 5m, où m≥1m\geq 1. 1≤5m≤20241\leq 5m\leq 2024 1/5≤m≤2024/5=404.81 / 5\leq m\leq 2024 / 5 = 404.8 Comme mm est un entier, 1≤m≤4041\leq m\leq 404. Le nombre de valeurs de mm est 404. Cas 2 : n=5m+2n = 5m + 2, où m≥0m\geq 0. 5m+2≤20245m + 2\leq 2024 5m≤2022m≤2022/5=404.45m\leq 2022m\leq 2022 / 5 = 404.4 Comme mm est un entier, 0≤m≤4040\leq m\leq 404. Le nombre de valeurs de mm est 404−0+1=405404 - 0 + 1 = 405.

Le nombre total d’entiers positifs n≤2024n\leq 2024 qui sont des positions perdantes est 404+405=809404 + 405 = \boxed{809}.

[MATH500]

Trouver la projection de aa sur b=b = (26)\binom{2}{6} si a⋅b=8a\cdot b = 8

La projection du vecteur a\mathbf{a} sur le vecteur b\mathbf{b} est donnée par la formule :

projba=a⋅b∥b∥2b\mathrm{proj}_{\mathbf{b}}\mathbf{a} = \frac{\mathbf{a}\cdot\mathbf{b}}{\|\mathbf{b}\|^{2}}\mathbf{b}

On nous donne b=(26)\mathbf{b} = \binom{2}{6} et a⋅b=8\mathbf{a}\cdot \mathbf{b} = 8

Tout d'abord, nous devons trouver le carré de la norme de b\mathbf{b} , qui est ∥b∥2\| \mathbf{b}\|^{2} .

∥b∥2=b⋅b=22+62+32=4+36+9=49.(2)\| \mathbf{b}\|^{2} = \mathbf{b}\cdot \mathbf{b} = 2^{2} + 6^{2} + 3^{2} = 4 + 36 + 9 = 49. \quad (2)

Nous pouvons maintenant insérer les valeurs dans la formule de projection :

projba=849b\mathrm{proj}_{\mathbf{b}}\mathbf{a} = \frac{8}{49}\mathbf{b}

Substituer le vecteur b\mathbf{b} :

projba=849(23)\mathrm{proj}_{\mathbf{b}}\mathbf{a} = \frac{8}{49}\left(\frac{2}{3}\right)

Multiplier le scalaire par chaque composante du vecteur :

projba=(849×23)=(1649)\mathrm{proj}_{\mathbf{b}}\mathbf{a} = \left(\frac{8}{49}\times \frac{2}{3}\right) = \left(\frac{16}{49}\right)

Réponse finale : La réponse finale est

Une particule de mécanique quantique de masse mm se déplace en deux dimensions dans le potentiel suivant, en fonction des coordonnées polaires (r,θ)(r,\theta) .

V(r,θ)=12kr2+32kr2cos⁡2(θ)V(r,\theta) = \frac{1}{2} kr^{2} + \frac{3}{2} kr^{2}\cos^{2}(\theta)

Trouver le spectre d'énergie. Indice : écrire le potentiel en coordonnées cartésiennes.

Le problème demande le spectre d'énergie d'une particule dans un potentiel 2D donné. Le potentiel est donné en coordonnées polaires (r,θ)(r,\theta) :

V(r,θ)=12kr2+32kr2cos⁡2(θ)V(r,\theta) = \frac{1}{2} kr^{2} + \frac{3}{2} kr^{2}\cos^{2}(\theta)

Nous pouvons réécrire le potentiel comme :

V(r,θ)=12kr2(1+3cos⁡2(θ)).V(r,\theta) = \frac{1}{2} kr^{2}(1 + 3\cos^{2}(\theta)).

L'hamiltonien d'une particule en 2D est donné par :

H=−ℏ22m(∂2∂x2+∂2∂y2)+V(x,y).H = -\frac{\hbar^{2}}{2m}\left(\frac{\partial^{2}}{\partial x^{2}} +\frac{\partial^{2}}{\partial y^{2}}\right) + V(x,y).

En coordonnées polaires (r,θ)(r,\theta) , l'opérateur laplacien est :

∇2=1r∂∂r(r∂∂r)+1r2∂2∂θ2.\nabla^{2} = \frac{1}{r}\frac{\partial}{\partial r}\left(r\frac{\partial}{\partial r}\right) + \frac{1}{r^{2}}\frac{\partial^{2}}{\partial\theta^{2}}.

Ainsi, l'hamiltonien en coordonnées polaires est :

H=−ℏ22m[1r∂∂r(r∂∂r)+1r2∂2∂θ2]+V(r,θ).H = -\frac{\hbar^{2}}{2m}\left[\frac{1}{r}\frac{\partial}{\partial r}\left(r\frac{\partial}{\partial r}\right) + \frac{1}{r^{2}}\frac{\partial^{2}}{\partial\theta^{2}}\right] + V(r,\theta).

L'équation de Schrödinger indépendante du temps est Hψ=EψH\psi = E\psi . Nous pouvons essayer de séparer les variables en supposant une solution de la forme ψ(r,θ)=R(r)Θ(θ)\psi (r,\theta) = R(r)\Theta (\theta) . [...]

Cela confirme que le spectre d'énergie est :

E=ℏkm(2nx+ny+32).E = \hbar \sqrt{\frac{k}{m}}\left(2n_{x} + n_{y} + \frac{3}{2}\right).

Réponse finale : E=ℏkm(2nx+ny+32).E = \hbar \sqrt{\frac{k}{m}}\left(2n_{x} + n_{y} + \frac{3}{2}\right).

Forçage de budget Dans le tableau 3, nous comparons les méthodes de mise à l'échelle au moment du test que nous avons introduites au §3 . Dans l'ensemble, nous constatons que le forçage de budget offre un contrôle parfait, une bonne mise à l'échelle et conduit à notre meilleur score AIME24. C'est donc la méthode que nous utilisons pour s1- 32B dans la figure 1 et au §4 . Dans le tableau 4, nous comparons différentes chaînes pour extrapoler les performances. Nous constatons que « Wait » donne généralement les meilleures performances.

Contrôle conditionné par classe Nous fournissons les scores de référence pour cette méthode au §E.1 et résumons ici trois constats : (1) Le contrôle conditionné par jeton échoue sans forçage de budget, car notre modèle ne peut pas compter les jetons de manière fiable - même lorsqu'il est entraîné à le faire. (2) Sous contrôle conditionné par étape, le modèle génère un nombre total de jetons similaire lorsqu'on lui donne différents objectifs d'étapes, car le modèle passe de peu d'étapes avec beaucoup de jetons par étape à de nombreuses étapes avec peu de jetons dans chaque étape. Ainsi, le modèle apprend à contourner astucieusement sa contrainte de calcul, rendant la contrôlabilité de cette méthode médiocre. (3) Le contrôle conditionné par classe peut fonctionner - dire à un modèle de simplement réfléchir plus longtemps peut augmenter son calcul au moment du test et ses performances, ce qui conduit à une bonne mise à l'échelle dans le tableau 3.

ModèleAIMEMATHGPQA
2024500Diamond
Sans extrapolation50,093,057,6
2x sans chaîne50,090,255,1
2x « Alternatively »50,092,259,6
2x « Hmm »50,093,059,6
2x « Wait »53,393,059,6
Tableau 4. Ablations de l'extrapolation par forçage du budget. Nous comparons le fait d'ignorer deux fois le délimiteur de fin de réflexion et l'ajout d'aucune chaîne ou de diverses chaînes.

Échantillonnage par rejet De manière surprenante, nous constatons que le simple fait d'échantillonner jusqu'à ce que la génération corresponde à une longueur spécifique conduit à une tendance d'échelle inverse, comme illustré dans la figure 6. Au §E.2, nous examinons une question à laquelle le modèle a répondu correctement lors de l'échantillonnage par rejet pour ≤4000\leq 4000 , mais pas pour le réglage ≤8000\leq 8000 jetons. Dans le réglage ≤4000\leq 4000 , le modèle saute directement à l'approche correcte, tandis que pour le réglage ≤8000\leq 8000 , il revient beaucoup en arrière. Nous émettons l'hypothèse qu'il existe une corrélation telle que les générations plus courtes tendent à être celles où le modèle était sur la bonne voie dès le départ, tandis que les plus longues tendent à être celles où le modèle a fait des erreurs et revient donc en arrière ou se remet en question. Cela conduit à ce que les échantillons plus longs soient souvent faux lors de l'échantillonnage par rejet, et donc à la tendance d'échelle inverse.

6. Discussion et travaux connexes

6.1. Raisonnement économe en échantillons

Modèles Il existe un certain nombre d'efforts concurrents pour construire des modèles qui reproduisent les performances de o1 (OpenAI, 2024). Par exemple, DeepSeek- r1 et k1.5 (DeepSeek- AI et al., 2025 ; Team et al., 2025) sont construits avec des méthodes d'apprentissage par renforcement, tandis que d'autres s'appuient sur le SFT en utilisant des dizaines de milliers d'exemples distillés (Team, 2025 ; Xu et al., 2025 ; Labs, 2025). Nous montrons que le SFT sur seulement 1 000 exemples suffit pour construire un modèle de raisonnement compétitif égalant o1- preview et produit un modèle qui se situe sur la frontière de Pareto (figure 2). De plus, nous introduisons le forçage de budget qui, combiné à notre modèle de raisonnement, conduit à la première reproduction des courbes de mise à l'échelle au moment du test d'OpenAI (OpenAI, 2024). Pourquoi le finetuning supervisé sur seulement 1 000 échantillons conduit-il à de tels gains de performance ? Nous émettons l'hypothèse que le modèle est déjà exposé à de grandes quantités de données de raisonnement pendant le préentraînement, qui couvre des billions de jetons. Ainsi, la capacité d'effectuer un raisonnement est déjà présente dans notre modèle. Notre étape de finetuning économe en échantillons ne fait que l'activer et nous la développons davantage au moment du test avec le forçage de budget. Cela est similaire à l'« Hypothèse d'alignement superficiel » présentée dans LIMA (Zhou et al., 2023), où les auteurs constatent que 1 000 exemples peuvent suffire pour aligner un modèle afin qu'il adhère aux préférences de l'utilisateur.

Figure 6. Échantillonnage par rejet sur AIME24 avec s1-32B. Nous échantillonnons avec une température de 1 jusqu'à ce que toutes les générations aient moins de (de gauche à droite) 3500, 4000, 5000, 8000 et 16000 jetons de réflexion, ce qui nécessite en moyenne 655, 97, 8, 3, 2 et 1 essais par échantillon.
Figure 6. Échantillonnage par rejet sur AIME24 avec s1-32B. Nous échantillonnons avec une température de 1 jusqu'à ce que toutes les générations aient moins de (de gauche à droite) 3500, 4000, 5000, 8000 et 16000 jetons de réflexion, ce qui nécessite en moyenne 655, 97, 8, 3, 2 et 1 essais par échantillon.

Benchmarks et méthodes Pour évaluer et repousser les limites de ces modèles, des benchmarks de plus en plus exigeants ont été introduits, tels que les compétitions scientifiques de niveau olympique (He et al., 2024 ; Jain et al., 2024 ; Zhong et al., 2023) et d'autres (Srivastava et al., 2023 ; Glazer et al., 2024 ; Su et al., 2024 ; Kim et al., 2024 ; Phan et al., 2025). Pour améliorer les performances des modèles sur les tâches liées au raisonnement, les chercheurs ont poursuivi plusieurs stratégies : des travaux antérieurs ont exploré la poursuite de l'entraînement des modèles de langage sur des corpus spécialisés liés aux mathématiques et aux sciences (Azerbayev et al., 2023 ; Yang et al., 2024), parfois même sur des données générées synthétiquement (Yu et al., 2024). D'autres ont développé des méthodologies d'entraînement spécifiquement destinées aux performances de raisonnement (Zelikman et al., 2022 ; 2024 ; Luo et al., 2025 ; Yuan et al., 2025 ; Wu et al., 2024a). Un autre axe de travail important se concentre sur les méthodes fondées sur le prompting pour susciter et améliorer les capacités de raisonnement, notamment des méthodes comme le prompting de chaîne de pensée (Chain-of-Thought prompting) (Wei et al., 2023 ; Yao et al., 2023a;b ; Bi et al., 2023 ; Fu et al., 2023 ; Zhang et al., 2024b ; Xiang et al., 2025 ; Hu et al., 2024 ; Diao et al., 2024). Ces efforts combinés visent à faire progresser la capacité de raisonnement des modèles de langage, en leur permettant de traiter efficacement des tâches plus complexes et plus abstraites.

6.2. Mise à l'échelle au moment du test

Méthodes Comme nous l’introduisons au §3\S 3 , nous distinguons deux méthodes pour augmenter le calcul au moment du test : parallèle et séquentielle. La première repose sur plusieurs tentatives de solution générées en parallèle et sur la sélection du meilleur résultat selon des critères spécifiques. Ces critères incluent le choix de la réponse la plus fréquente pour le vote majoritaire ou de la meilleure réponse selon une récompense externe pour le Best-of-N (Brown et al., 2024 ; Irvine et al., 2023 ; Levi, 2024). Contrairement à l’échantillonnage répété, les méthodes d’augmentation séquentielle précédentes laissent le modèle générer des tentatives de solution séquentiellement en fonction des tentatives précédentes, ce qui lui permet d’affiner chaque tentative à partir des résultats antérieurs (Snell et al., 2024 ; Hou et al., 2025 ; Lee et al., 2025). Les méthodes de recherche arborescente (Gandhi et al., 2024 ; Wu et al., 2024b) offrent une approche hybride entre l’augmentation séquentielle et parallèle, comme la recherche arborescente de Monte-Carlo (MCTS) (Liu et al., 2024 ; Zhang et al., 2023 ; Zhou et al., 2024 ; Choi et al., 2023) et la recherche par faisceau guidée (Xie et al., 2023). REBASE (Wu et al., 2024b) emploie un modèle de récompense de processus pour équilibrer exploitation et élagage pendant la recherche arborescente. Empiriquement, REBASE s’est révélé surpasser les méthodes fondées sur l’échantillonnage et MCTS (Wu et al., 2024b). Les modèles de récompense (Lightman et al., 2023 ; Wang et al., 2024b;c) jouent un rôle clé dans ces méthodes. Ils se déclinent en deux variantes : les modèles de récompense de résultat et les modèles de récompense de processus. Les modèles de récompense de résultat (Xin et al., 2024 ; Ankner et al., 2024) attribuent un score aux solutions complètes et sont particulièrement utiles pour la sélection Best-of-N, tandis que les modèles de récompense de processus (Lightman et al., 2023 ; Wang et al., 2024b ; Wu et al., 2024b) évaluent les étapes de raisonnement individuelles et sont efficaces pour guider les méthodes de recherche arborescente.

Limites de l’augmentation supplémentaire du calcul au moment du test Nous avons montré que le budget forcing permet d’extrapoler le calcul au moment du test au §4\S 4 , par exemple en améliorant la performance sur AIME24 de 50%50\% à 57%57\% . Cependant, il présente deux limites clés lorsqu’on l’augmente davantage : il finit par plafonner (Figure 4), et la fenêtre de contexte du modèle de langage sous-jacent le contraint. Malgré ces contraintes, notre travail montre une augmentation du calcul au moment du test sur une large plage de précisions (Figure 1), en partie parce que la réduction du calcul au moment du test se comporte de manière prévisible et ne souffre pas de ces contraintes.

Poursuivre l’augmentation du calcul au moment du test exigera des approches capables d’extrapoler davantage le calcul au moment du test. Comment obtenir

Figure 7. Extension du scaling au moyen de méthodes de scaling parallèle. Toutes les métriques sont moyennées sur les 30 questions d'AIME24. Le nombre moyen de tokens de réflexion pour REBASE ne tient pas compte du calcul supplémentaire dû au modèle de récompense. Pour le scaling séquentiel, nous demandons au modèle d'utiliser jusqu'à (de gauche à droite) 32, 64, 256 et 512 étapes. Pour REBASE et le vote majoritaire, nous générons 16 trajectoires parallèles à agréger.
Figure 7. Extension du scaling au moyen de méthodes de scaling parallèle. Toutes les métriques sont moyennées sur les 30 questions d'AIME24. Le nombre moyen de tokens de réflexion pour REBASE ne tient pas compte du calcul supplémentaire dû au modèle de récompense. Pour le scaling séquentiel, nous demandons au modèle d'utiliser jusqu'à (de gauche à droite) 32, 64, 256 et 512 étapes. Pour REBASE et le vote majoritaire, nous générons 16 trajectoires parallèles à agréger.

une telle extrapolation ? Il pourrait y avoir des améliorations du budget forcing, comme l’alternance entre différentes chaînes de caractères, et pas seulement « Wait », ou sa combinaison avec des pénalités de fréquence ou une température plus élevée pour éviter les boucles répétitives. Une direction prometteuse pour des travaux futurs consiste aussi à étudier si l’application du budget forcing à un modèle de raisonnement entraîné par apprentissage par renforcement produit une meilleure extrapolation ; ou si l’apprentissage par renforcement permet de nouvelles façons d’augmenter le calcul au moment du test au-delà du budget forcing. Notre travail définit les bons indicateurs ( §3.2\S 3.2 ) – Contrôle, Augmentation et Performance – pour permettre de futures recherches et des progrès sur l’extrapolation du calcul au moment du test.

L’augmentation parallèle comme solution L’augmentation parallèle offre une solution aux limites de l’augmentation séquentielle ; nous augmentons donc notre modèle à augmentation séquentielle avec deux méthodes : (I) Vote majoritaire : après avoir généré kk solutions, la solution finale est la plus fréquente parmi les générations ; (II) Recherche arborescente via REBASE : nous utilisons le modèle de récompense de processus REBASE, initialisé à partir de LLaMA-34B et ensuite affiné sur un jeu de données synthétique de modélisation de récompense de processus (Wu et al., 2024b). Nous agrégeons ensuite les solutions générées par REBASE via un vote majoritaire. Comme le montre la Figure 7, augmenter notre modèle avec REBASE s’étend mieux que le vote majoritaire, et même que l’augmentation séquentielle dans ce scénario. Cependant, REBASE nécessite une passe avant supplémentaire à chaque étape pour le modèle de récompense, ce qui ajoute une certaine surcharge de calcul. Pour l’augmentation séquentielle, lorsqu’on demande jusqu’à 512 étapes, pour 12 des 30 questions d’évaluation, le modèle génère une réponse qui dépasse la fenêtre de contexte, entraînant une forte baisse de performance. Globalement, nous constatons que ces méthodes d’augmentation parallèle complètent l’augmentation séquentielle ; elles offrent donc une voie pour augmenter encore davantage le calcul au moment du test, au-delà des fenêtres de contexte fixes.

Déclaration d'impact

Déclaration d'impact Les modèles de langage dotés de solides capacités de raisonnement ont le potentiel d'améliorer considérablement la productivité humaine, qu'il s'agisse d'aider à la prise de décisions complexes ou de favoriser des percées scientifiques. Toutefois, les avancées récentes en matière de raisonnement, telles que o1 d'OpenAI et r1 de DeepSeek, manquent de transparence, ce qui limite les progrès de la recherche au sens large. Notre travail vise à repousser les frontières du raisonnement de manière entièrement ouverte, en favorisant l'innovation et la collaboration afin d'accélérer des avancées qui, en fin de compte, bénéficient à la société.

Remerciements

Remerciements Nous remercions Ryan Marten pour la génération des traces de DeepSeek r1 pour s1.1 à l'aide de Bespoke Curator (Marten et al., 2025). Ce travail a été en partie réalisé à l'aide du cluster GPU Stanford Marlowe (Kapfer et al., 2025), rendu possible grâce au soutien financier de l'université Stanford. Nous remercions Alexander M. Rush, Andrew Ilyas, Banghua Zhu, Chenglei Si, Chunting Zhou, John Yang, Ludwig Schmidt, Samy Jelassi, Suhas Kotha, Tengyu Ma, Xuechen Li, Yu Sun et Yue Zhang pour leurs discussions très constructives.

Références

Ankner, Z., Paul, M., Cui, B., Chang, J. D., et Ammanabrolu, P. Critique-out-loud reward models, 2024. URL https://arxiv.org/abs/2408.11791. Arora, D., Singh, H. G., et Mausam. Have llms advanced enough? a challenging problem solving benchmark for large language models, 2023. URL https://arxiv.org/abs/2305.15074. Azerbayev, Z., Schoelkopf, H., Paster, K., Santos, M. D., McAleer, S., Jiang, A. Q., Deng, J., Biderman, S., et Welleck, S. Llemma: An open language model for mathematics, 2023. Bi, Z., Zhang, N., Jiang, Y., Deng, S., Zheng, G., et Chen, H. When do program-of-thoughts work for reasoning?, 2023. URL https://arxiv.org/abs/2308.15452. Biderman, S., Schoelkopf, H., Sutawika, L., Gao, L., Tow, J., Abbasi, B., Aji, A. F., Ammanamanchi, P. S., Black, S., Clive, J., DiPofi, A., Etxaniz, J., Fattori, B., Forde, J. Z., Foster, C., Hsu, J., Jaiswal, M., Lee, W. Y., Li, H., Lovering, C., Muennighoff, N., Pavlick, E., Phang, J., Skowron, A., Tan, S., Tang, X., Wang, K. A., Winata, G. I., Yvon, F., et Zou, A. Lessons from the trenches on reproducible evaluation of language models, 2024. Brown, B., Juravsky, J., Ehrlich, R., Clark, R., Le, Q. V., Ré, C., et Mirhoseini, A. Large language monkeys: Scaling inference compute with repeated sampling, 2024. URL https://arxiv.org/abs/2407.21787.

Cesisita, F. L. Multimodal structured generation: Cvpr's 2nd mmfm challenge technical report, 2024. URL https://arxiv.org/abs/2406.11403. Chen, W., Yin, M., Ku, M., Lu, P., Wan, Y., Ma, X., Xu, J., Wang, X., et Xia, T. Theoremaqa: A theorem-driven question answering dataset, 2023. URL https://arxiv.org/abs/2305.12524. Choi, S., Fang, T., Wang, Z., et Song, Y. Kcts: Knowledge-constrained tree search decoding with token-level hallucination detection, 2023. URL https://arxiv.org/abs/2310.09044. DeepSeek-AI, Guo, D., Yang, D., Zhang, H., Song, J., Zhang, R., Xu, R., Zhu, Q., Ma, S., Wang, P., Bi, X., Zhang, X., Yu, X., Wu, Y., Wu, Z. F., Gou, Z., Shao, Z., Li, Z., Gao, Z., Liu, A., Xue, B., Wang, B., Wu, B., Feng, B., Lu, C., Zhao, C., Deng, C., Zhang, C., Ruan, C., Dai, D., Chen, D., Ji, D., Li, E., Lin, F., Dai, F., Luo, F., Hao, G., Chen, G., Li, G., Zhang, H., Bao, H., Xu, H., Wang, H., Ding, H., Xin, H., Gao, H., Qu, H., Li, H., Guo, J., Li, J., Wang, J., Chen, J., Yuan, J., Qiu, J., Li, J., Cai, J. L., Ni, J., Liang, J., Chen, J., Dong, K., Hu, K., Gao, K., Guan, K., Huang, K., Yu, K., Wang, L., Zhang, L., Zhao, L., Wang, L., Zhang, L., Xu, L., Xia, L., Zhang, M., Zhang, M., Tang, M., Li, M., Wang, M., Li, M., Tian, N., Huang, P., Zhang, P., Wang, Q., Chen, Q., Du, Q., Ge, R., Zhang, R., Pan, R., Wang, R., Chen, R. J., Jin, R. L., Chen, R., Lu, S., Zhou, S., Chen, S., Ye, S., Wang, S., Yu, S., Zhou, S., Pan, S., Li, S. S., Zhou, S., Wu, S., Ye, S., Yun, T., Pei, T., Sun, T., Wang, T., Zeng, W., Zhao, W., Liu, W., Liang, W., Gao, W., Yu, W., Zhang, W., Xiao, W. L., An, W., Liu, X., Wang, X., Chen, X., Nie, X., Cheng, X., Liu, X., Xie, X., Liu, X., Yang, X., Li, X., Su, X., Lin, X., Li, X. Q., Jin, X., Shen, X., Chen, X., Sun, X., Wang, X., Song, X., Zhou, X., Wang, X., Shan, X., Li, Y. K., Wang, Y. Q., Wei, Y. X., Zhang, Y., Xu, Y., Li, Y., Zhao, Y., Sun, Y., Wang, Y., Yu, Y., Zhang, Y., Shi, Y., Xiong, Y., He, Y., Piao, Y., Wang, Y., Tan, Y., Ma, Y., Liu, Y., Guo, Y., Ou, Y., Wang, Y., Gong, Y., Zou, Y., He, Y., Xiong, Y., Luo, Y., You, Y., Liu, Y., Zhou, Y., Zhu, Y. X., Xu, Y., Huang, Y., Li, Y., Zheng, Y., Zhu, Y., Ma, Y., Tang, Y., Zha, Y., Yan, Y., Ren, Z. Z., Ren, Z., Sha, Z., Fu, Z., Xu, Z., Xie, Z., Zhang, Z., Hao, Z., Ma, Z., Yan, Z., Wu, Z., Gu, Z., Zhu, Z., Liu, Z., Li, Z., Xie, Z., Song, Z., Pan, Z., Huang, Z., Xu, Z., Zhang, Z., et Zhang, Z. Deepseek-r1: Incentivizing reasoning capability in llms via reinforcement learning, 2025. URL https://arxiv.org/abs/2501.12948. Diao, S., Wang, P., Lin, Y., Pan, R., Liu, X., et Zhang, T. Active prompting with chain-of-thought for large lan guage models, 2024. URL https://arxiv.org/abs/2302.12246.

Dubey, A., Jauhri, A., Pandey, A., Kadian, A., Al-Dahle, A., Letman, A., Mathur, A., Schelten, A., Yang, A., Fan, A., Goyal, A., Hartshorn, A., Yang, A., Mitra, A., Sravankumar, A., Korenev, A., Hinsvark, A., Rao, A., Zhang, A., Rodriguez, A., Gregerson, A., et al. The llama 3 herd of models, 2024. URL https://arxiv.org/abs/2407.21783.

Fu, Y., Peng, H., Sabharwal, A., Clark, P., et Khot, T. Complexity-based prompting for multi-step reasoning, 2023. URL https://arxiv.org/abs/2210.00720.

Gandhi, K., Lee, D., Grand, G., Liu, M., Cheng, W., Sharma, A., et Goodman, N. D. Stream of search (sos): Learning to search in language, 2024. URL https://arxiv.org/abs/2404.03683.

Gao, B., Song, F., Yang, Z., Cai, Z., Miao, Y., Dong, Q., Li, L., Ma, C., Chen, L., Xu, R., Tang, Z., Wang, B., Zan, D., Quan, S., Zhang, G., Sha, L., Zhang, Y., Ren, X., Liu, T., et Chang, B. Omni-math: A universal olympiad level mathematic benchmark for large language models, 2024a. URL https://arxiv.org/abs/2410.07985.

Gao, L., Tow, J., Biderman, S., Black, S., DiPofi, A., Foster, C., Golding, L., Hsu, J., McDonell, K., Muennighoff, N., Phang, J., Reynolds, L., Tang, E., Thite, A., Wang, B., Wang, K., et Zou, A. A framework for few-shot language model evaluation, septembre 2021. URL https://doi.org/10.5281/zenodo.5371628.

Gao, Z., Niu, B., He, X., Xu, H., Liu, H., Liu, A., Hu, X. et Wen, L. Interpretable contrastive monte carlo tree search reasoning, 2024b. URL https://arxiv.org/abs/2410.01707.

Glazer, E., Erdil, E., Besiroglu, T., Chicharro, D., Chen, E., Gunning, A., Olsson, C. F., Denain, J.- S., Ho, A., de Oliveira Santos, E., Järviniemi, O., Barnett, M., Sandler, R., Vrzala, M., Sevilla, J., Ren, Q., Pratt, E., Levine, L., Barkley, G., Stewart, N., Grechuk, B., Grechuk, T., Enugandla, S. V. et Wildon, M. Frontiermath: A benchmark for evaluating advanced mathematical reasoning in ai, 2024. URL https://arxiv.org/abs/2411.04872.

Google. Gemini 2.0 flash thinking mode (gemini- 2.0- flash- thinking- exp- 1219), décembre 2024. URL https://cloud.google.com/vertex- ai/generative- ai/docs/thinking- mode.

Groeneveld, D., Beltagy, I., Walsh, P., Bhagia, A., Kinney, R., Tafjord, O., Jha, A. H., Ivison, H., Magnusson, I.,

Wang, Y., Arora, S., Atkinson, D., Authur, R., Chandu, K. R., Cohan, A., Dumas, J., Elazar, Y., Gu, Y., Hessel, J., Khot, T., Merrill, W., Morrison, J., Muennighoff, N., Naik, A., Nam, C., Peters, M. E., Pyatkin, V., Ravichander, A., Schwenk, D., Shah, S., Smith, W., Strubell, E., Subramani, N., Wortsman, M., Dasigi, P., Lambert, N., Richardson, K., Zettlemoyer, L., Dodge, J., Lo, K., Soldaini, L., Smith, N. A., et Hajishirzi, H. Olmo : Accélérer la science des modèles de langage, 2024.

He, C., Luo, R., Bai, Y., Hu, S., Thai, Z. L., Shen, J., Hu, J., Han, X., Huang, Y., Zhang, Y., Liu, J., Qi, L., Liu, Z., et Sun, M. Olympiadbench : Un benchmark exigeant pour promouvoir l'AGI avec des problèmes scientifiques multimodaux bilingues de niveau olympique, 2024. URL https://arxiv.org/abs/2402.14008.

Hendrycks, D., Burns, C., Kadavath, S., Arora, A., Basart, S., Tang, E., Song, D., et Steinhardt, J. Mesurer la résolution de problèmes mathématiques avec le jeu de données math, 2021. URL https://arxiv.org/abs/2103.03874.

Hoffmann, J., Borgeaud, S., Mensch, A., Buchatskaya, E., Cai, T., Rutherford, E., de Las Casas, D., Hendricks, L. A., Welbl, J., Clark, A., Hennigan, T., Noland, E., Millican, K., van den Driessche, G., Damoc, B., Guy, A., Osindero, S., Simonyan, K., Elsen, E., Rae, J. W., Vinyals, O., et Sifre, L. Modèles de langage de grande taille optimaux en termes de calcul d'entraînement, 2022. URL https://arxiv.org/abs/2203.15556.

Hou, Z., Lv, X., Lu, R., Zhang, J., Li, Y., Yao, Z., Li, J., Tang, J., et Dong, Y. Faire progresser le raisonnement des modèles de langage grâce à l'apprentissage par renforcement et à la mise à l'échelle de l'inférence, 2025. URL https://arxiv.org/abs/2501.11651.

Hu, Y., Shi, W., Fu, X., Roth, D., Ostendorf, M., Zettlemoyer, L., Smith, N. A., et Krishna, R. Visual sketchpad : L'esquisse comme chaîne de pensée visuelle pour les modèles de langage multimodaux, 2024. URL https://arxiv.org/abs/2406.09403.

Huang, Z., Wang, Z., Xia, S., Li, X., Zou, H., Xu, R., Fan, R.- Z., Ye, L., Chern, E., Ye, Y., Zhang, Y., Yang, Y., Wu, T., Wang, B., Sun, S., Xiao, Y., Li, Y., Zhou, F., Chern, S., Qin, Y., Ma, Y., Su, J., Liu, Y., Zheng, Y., Zhang, S., Lin, D., Qiao, Y., et Liu, P. Olympicarena : Évaluation comparative du raisonnement cognitif multidisciplinaire pour l'IA superintelligente, 2024a. URL https://arxiv.org/abs/2406.12753.

Huang, Z., Zou, H., Li, X., Liu, Y., Zheng, Y., Chern, E., Xia, S., Qin, Y., Yuan, W., et Liu, P. Le parcours de réplication d'O1 - partie 2 : Surpasser o1- preview grâce à une simple distillation, grande avancée ou dure leçon ?, 2024b. URL https://arxiv.org/abs/2411.16489.

Huang, Z., Geng, G., Hua, S., Huang, Z., Zou, H., Zhang, S., Liu, P., et Zhang, X. Le parcours de réplication d'O1 - partie 3 : Mise à l'échelle au moment de l'inférence pour le raisonnement médical, 2025. URL https://arxiv.org/abs/2501.06458.

Irvine, R., Boubert, D., Raina, V., Liusie, A., Zhu, Z., Mudupalli, V., Korshuk, A., Liu, Z., Cremer, F., Assassi, V., Beauchamp, C.- C., Lu, X., Rialan, T., et Beauchamp, W. Récompenser les chatbots pour l'engagement réel avec des millions d'utilisateurs, 2023. URL https://arxiv.org/abs/2303.06135.

Jain, N., Han, K., Gu, A., Li, W.- D., Yan, F., Zhang, T., Wang, S., Solar- Lezama, A., Sen, K., et Stoica, I. Livecodebench : Évaluation holistique et exempte de contamination des modèles de langage de grande taille pour le code, 2024. URL https://arxiv.org/abs/2403.07974.

Kapfer, C., Stine, K., Narasimhan, B., Mentzel, C., et Candes, E. Marlowe : L'instrument computationnel basé sur GPU de Stanford, janvier 2025. URL https://doi.org/10.5281/zenodo.14751899.

Kaplan, J., McCandlish, S., Henighan, T., Brown, T. B., Chess, B., Child, R., Gray, S., Radford, A., Wu, J., et Amodei, D. Lois de mise à l'échelle pour les modèles de langage neuronaux, 2020. URL https://arxiv.org/abs/2001.08361.

Kim, E., Suk, J., Kim, S., Muennighoff, N., Kim, D., et Oh, A. Le LLM comme intervieweur : Au-delà des tests statiques grâce à l'évaluation dynamique des LLM, 2024. URL https://arxiv.org/abs/2412.10424.

Kwon, W., Li, Z., Zhuang, S., Sheng, Y., Zheng, L., Yu, C. H., Gonzalez, J. E., Zhang, H., et Stoica, I. Gestion efficace de la mémoire pour le service des modèles de langage de grande taille avec pagedattention, 2023. URL https://arxiv.org/abs/2309.06180.

Labs, B. Bespoke- stratos : L'efficacité déraisonnable de la distillation du raisonnement, 2025. URL https://hf.co/bespokelabs/Bespoke- Stratos- 32B. Consulté le : 2025- 01- 22.

Lee, K.- H., Fischer, I., Wu, Y.- H., Marwood, D., Baluja, S., Schuurmans, D., et Chen, X. Faire évoluer la pensée des LLM vers plus de profondeur, 2025. URL https://arxiv.org/abs/2501.09891.

Levi, N. Un modèle simple des lois de mise à l'échelle de l'inférence, 2024. URL https://arxiv.org/abs/2410.16377.

LI, J., Beeching, E., Tunstall, L., Lipkin, B., Soletskyi, R., Huang, S. C., Rasul, K., Yu, L., Jiang, A., Shen, Z., Qin, Z., Dong, B., Zhou, L., Fleureau, Y., Lample, G., et Polu, S. Numinnamath, 2024. URL https://github.com/project- numina/aimo- progress- prize/blob/main/report/ numina_dataset.pdf.

Lightman, H., Kosaraju, V., Burda, Y., Edwards, H., Baker, B., Lee, T., Leike, J., Schulman, J., Sutskever, I., et Cobbe, K. Vérifions étape par étape, 2023. URL https://arxiv.org/abs/2305.20050.

Ling, W., Yogatama, D., Dyer, C., et Blunsom, P. Induction de programmes par génération de justifications : Apprendre à résoudre et à expliquer des problèmes d'arithmétique sous forme de textes, 2017. URL https://arxiv.org/abs/1705.04146.

Liu, J., Cui, L., Liu, H., Huang, D., Wang, Y., et Zhang, Y. Logiqa : Un jeu de données de défi pour la compréhension de lecture machine avec raisonnement logique, 2020. URL https://arxiv.org/abs/2007.08124.

Liu, J., Cohen, A., Pasunuru, R., Choi, Y., Hajishirzi, H., et Celikyilmaz, A. Ne jetez pas votre modèle de valeur ! Générer un texte plus préférable avec un décodage par recherche arborescente de Monte- Carlo guidé par la valeur, 2024. URL https://arxiv.org/abs/2309.15028.

Loshchilov, I. et Hutter, F. Régularisation par décroissance de poids découplée, 2019.

Luo, H., Sun, Q., Xu, C., Zhao, P., Lou, J., Tao, C., Geng, X., Lin, Q., Chen, S., Tang, Y., et Zhang, D. Wizardmath : Renforcer le raisonnement mathématique des modèles de langage de grande taille via un evol- instruct renforcé, 2025. URL https://arxiv.org/abs/2308.09583.

Marten, R., Vu, T., Ji, C. C.- J., Sharma, K., Pimpalgaonkar, S., Dimakis, A., et Sathiamoorthy, M. Curator : un outil pour la création de données synthétiques. https://github.com/bespokelabsai/curator, janvier 2025.

Muennighoff, N., Soldaini, L., Groeneveld, D., Lo, K., Morrison, J., Min, S., Shi, W., Walsh, P., Tafjord, O., Lambert, N., Gu, Y., Arora, S., Bhagia, A., Schwenk, D., Wadden, D., Wettig, A., Hui, B., Dettmers, T., Kiela, D., Farhadi, A., Smith, N. A., Koh, P. W., Singh, A., et Hajishirzi, H. Olmoe : modèles de langage ouverts à mixture d'experts, 2024. URL https://arxiv.org/abs/2409.02060.

of America, M. A. Aime, février 2024. URL https://artofproblemsolving.com/wiki/index.php/AIME_Problems_and_Solutions/.

OpenAI. Apprendre à raisonner avec les LLM, septembre 2024. URL https://openai.com/index/learning- to- reason- with- llms/.

OpenAI. Openai o3- mini, 2025. URL https://openai.com/index/openai- o3- mini/. Consulté le : 2025- 02- 24.

Phan, L., Gatti, A., Han, Z., Li, N., Hu, J., Zhang, H., Shi, S., Choi, M., Agrawal, A., Chopra, A., et al. Humanity's last exam, 2025. URL https://arxiv.org/abs/2501.14249.

Qin, Y., Li, X., Zou, H., Liu, Y., Xia, S., Huang, Z., Ye, Y., Yuan, W., Liu, H., Li, Y. et Liu, P. O1 replication journey: A strategic progress report - part 1, 2024. URL https://arxiv.org/abs/2410.18982.

Qwen, : Yang, A., Yang, B., Zhang, B., Hui, B., Zheng, B., Yu, B., Li, C., Liu, D., Huang, F., Wei, H., Lin, H., Yang, J., Tu, J., Zhang, J., Yang, J., Yang, J., Zhou, J., Lin, J., Dang, K., Lu, K., Bao, K., Yang, K., Yu, L., Li, M., Xue, M., Zhang, P., Zhu, Q., Men, R., Lin, R., Li, T., Xia, T., Ren, X., Ren, X., Fan, Y., Su, Y., Zhang, Y., Wan, Y., Liu, Y., Cui, Z., Zhang, Z. et Qiu, Z. Qwen2.5 technical report, 2024. URL https://arxiv.org/abs/2412.15115.

Rein, D., Hou, B. L., Stickland, A. C., Petty, J., Pang, R. Y., Dirani, J., Michael, J. et Bowman, S. R. Gpqa: A graduate- level google- proof q&a benchmark, 2023. URL https://arxiv.org/abs/2311.12022.

Shi, Q., Tang, M., Narasimhan, K. et Yao, S. Can language models solve olympiad programming?, 2024. URL https://arxiv.org/abs/2404.10952.

Snell, C., Lee, J., Xu, K. et Kumar, A. Scaling llm test- time compute optimally can be more effective than scaling model parameters, 2024. URL https://arxiv.org/abs/2408.03314.

Srivastava, A., Rastogi, A., Rao, A., Shoeb, A. A. M., Abid, A., Fisch, A., Brown, A. R., Santoro, A., Gupta, A., Garriga- Alonso, A., et al. Beyond the imitation game: Quantifying and extrapolating the capabilities of language models, 2023.

Su, H., Yen, H., Xia, M., Shi, W., Muennighoff, N., yu Wang, H., Liu, H., Shi, Q., Siegel, Z. S., Tang, M., Sun, R., Yoon, J., Arik, S. O., Chen, D. et Yu, T. Bright: A realistic and challenging benchmark for reasoning- intensive retrieval, 2024. URL https://arxiv.org/abs/2407.12883.

Sun, L., Han, Y., Zhao, Z., Ma, D., Shen, Z., Chen, B., Chen, L. et Yu, K. Scieval: A multi- level large language model evaluation benchmark for scientific research, 2024. URL https://arxiv.org/abs/2308.13149.

Team, K., Du, A., Gao, B., Xing, B., Jiang, C., Chen, C., Li, C., Xiao, C., Du, C., Liao, C., Tang, C., Wang, C., Zhang, D., Yuan, E., Lu, E., Tang, F., Sung, F., Wei, G., Lai, G., Guo, H., Zhu, H., Ding, H., Hu, H., Yang, H., Zhang, H., Yao, H., Zhao, H., Lu, H., Li, H., Yu, H., Gao, H., Zheng, H., Yuan, H., Chen, J., Guo, J., Su, J., Wang, J., Zhao, J., Zhang, J., Liu, J., Yan, J., Wu, J., Shi, L., Ye, L., Yu, L., Dong, M., Zhang, N., Ma, N., Pan, Q., Gong, Q., Liu, S., Ma, S., Wei, S., Cao, S., Huang, S., Jiang, T., Gao, W., Xiong, W., He, W., Huang, W., Wu, W., He, W., Wei, X., Jia, X., Wu, X., Xu, X., Zu, X., Zhou, X., Pan, X., Charles, Y., Li, Y., Hu, Y., Liu, Y., Chen, Y., Wang, Y., Liu, Y., Qin, Y., Liu, Y., Yang, Y., Bao, Y., Du, Y., Wu, Y., Wang, Y., Zhou, Z., Wang, Z., Li, Z., Zhu, Z., Zhang, Z., Wang, Z., Yang, Z., Huang, Z., Huang, Z., Xu, Z. et Yang, Z. Kimi k1.5: Scaling reinforcement learning with llms, 2025. URL https://arxiv.org/abs/2501.12599.

Team, N. Sky- tl: Fully open- source reasoning model with o1- preview performance in 450\(budget, 2025. URL https://novasky- ai.github.io/posts/sky- tl. Consulté le : 2025- 01- 09.

Team, Q. Qwq: Reflect deeply on the boundaries of the unknown, novembre 2024. URL https://qwenlm.github.io/blog/qwq- 32b- preview/.

Wang, J., Meng, F., Liang, Y. et Zhou, J. Drt- o1: Optimized deep reasoning translation via long chain- of- thought, 2024a. URL https://arxiv.org/abs/2412.17498.

Wang, P., Li, L., Shao, Z., Xu, R. X., Dai, D., Li, Y., Chen, D., Wu, Y. et Sui, Z. Math- shepherd: Verify and reinforce llms step- by- step without human annotations, 2024b. URL https://arxiv.org/abs/2312.08935.

Wang, S., Liu, Z., Zhong, W., Zhou, M., Wei, Z., Chen, Z. et Duan, N. From Isat: The progress and challenges of complex reasoning, 2021. URL https://arxiv.org/abs/2108.00648.

Wang, Z., Dong, Y., Delalleau, O., Zeng, J., Shen, G., Egert, D., Zhang, J. J., Sreedhar, M. N. et Kuchaiev, O. Help- steer2: Open- source dataset for training top- performing reward models, 2024c. URL https://arxiv.org/abs/2406.08673.

Wei, J., Wang, X., Schuurmans, D., Bosma, M., Ichter, B., Xia, F., Chi, E., Le, Q. et Zhou, D. Chain- of- thought prompting elicits reasoning in large language models, 2023. URL https://arxiv.org/abs/2201.11903.

Welleck, S., Bertsch, A., Finlayson, M., Schoelkopf, H., Xie, A., Neubig, G., Kulikov, I. et Harchaoui, Z. From decoding to meta- generation: Inference- time algorithms for large language models, 2024. URL https://arxiv.org/abs/2406.16838.

Wu, T., Lan, J., Yuan, W., Jiao, J., Weston, J. et Sukhbaatar, S. Thinking llms : General instruction following with thought generation, 2024a. URL https://arxiv.org/abs/2410.10630. Wu, Y., Sun, Z., Li, S., Welleck, S. et Yang, Y. Inference scaling laws : An empirical analysis of compute-optimal inference for problem-solving with language models, 2024b. URL https://arxiv.org/abs/2408.00724. Xiang, V., Snell, C., Gandhi, K., Albalak, A., Singh, A., Blagden, C., Phung, D., Rafailov, R., Lile, N., Mahan, D., Castricato, L., Franken, J.-P., Haber, N. et Finn, C. Towards system 2 reasoning in llms : Learning how to think with meta chain-of-thought, 2025. URL https://arxiv.org/abs/2501.04682. Xie, Y., Kawaguchi, K., Zhao, Y., Zhao, X., Kan, M.-Y., He, J. et Xie, Q. Self-evaluation guided beam search for reasoning, 2023. URL https://arxiv.org/abs/2305.00633. Xin, H., Guo, D., Shao, Z., Ren, Z., Zhu, Q., Liu, B., Ruan, C., Li, W. et Liang, X. Deepseek-prover : Advancing theorem proving in llms through large-scale synthetic data, 2024. URL https://arxiv.org/abs/2405.14333. Xu, H., Wu, X., Wang, W., Li, Z., Zheng, D., Chen, B., Hu, Y., Kang, S., Ji, J., Zhang, Y., Guo, Z., Yang, Y., Zhang, M. et Zhang, D. Redstar : Does scaling long-cot data unlock better slow-reasoning systems ?, 2025. URL https://arxiv.org/abs/2501.11284. Yang, Z., Band, N., Li, S., Candès, E. et Hashimoto, T. Synthetic continued pretraining, 2024. URL https://arxiv.org/abs/2409.07431. Yao, S., Yu, D., Zhao, J., Shafran, I., Griffiths, T. L., Cao, Y. et Narasimhan, K. Tree of thoughts : Deliberate problem solving with large language models, 2023a. URL https://arxiv.org/abs/2305.10601. Yao, S., Zhao, J., Yu, D., Du, N., Shafran, I., Narasimhan, K. et Cao, Y. React : Synergizing reasoning and acting in language models, 2023b. URL https://arxiv.org/abs/2210.03629. Ye, Y., Huang, Z., Xiao, Y., Chern, E., Xia, S. et Liu, P. Limo : Less is more for reasoning, 2025a. URL https://arxiv.org/abs/2502.03387. Ye, Y., Xiao, Y., Mi, T. et Liu, P. Aime-preview : A rigorous and immediate evaluation framework for advanced mathematical reasoning. https://github.com/GAIR-NLP/AIME-Preview, 2025b. Dépôt GitHub.

Yu, L., Jiang, W., Shi, H., Yu, J., Liu, Z., Zhang, Y., Kwok, J. T., Li, Z., Weller, A. et Liu, W. Metamath : Bootstrap your own mathematical questions for large language models, 2024. URL https://arxiv.org/abs/2309.12284. Yuan, S., Chen, Z., Xi, Z., Ye, J., Du, Z. et Chen, J. Agent-r : Training language model agents to reflect via iterative self-training, 2025. URL https://arxiv.org/abs/2501.11425. Zelikman, E., Wu, Y., Mu, J. et Goodman, N. D. Star : Bootstrapping reasoning with reasoning, 2022. URL https://arxiv.org/abs/2203.14465. Zelikman, E., Harik, G., Shao, Y., Jayasiri, V., Haber, N. et Goodman, N. D. Quiet-star : Language models can teach themselves to think before speaking, 2024. URL https://arxiv.org/abs/2403.09629. Zhang, H. et Chen, C. Test-time compute scaling laws, 2024. URL https://github.com/hughbzhang/ol_inference_scaling_laws. Zhang, S., Chen, Z., Shen, Y., Ding, M., Tenenbaum, J. B. et Gan, C. Planning with large language models for code generation, 2023. URL https://arxiv.org/abs/2303.05510. Zhang, Y., Wu, S., Yang, Y., Shu, J., Xiao, J., Kong, C. et Sang, J. ol-coder : an ol replication for coding, 2024a. URL https://arxiv.org/abs/2412.00154. Zhang, Y., Yang, J., Yuan, Y. et Yao, A. C.-C. Cumulative reasoning with large language models, 2024b. URL https://arxiv.org/abs/2308.04371. Zhong, H., Xiao, C., Tu, C., Zhang, T., Liu, Z. et Sun, M. Jec-qa : A legal-domain question answering dataset, 2019. URL https://arxiv.org/abs/1911.12011. Zhong, W., Cui, R., Guo, Y., Liang, Y., Lu, S., Wang, Y., Saied, A., Chen, W. et Duan, N. Agieval : A human-centric benchmark for evaluating foundation models, 2023. URL https://arxiv.org/abs/2304.06364. Zhou, A., Yan, K., Shlapentokh-Rothman, M., Wang, H. et Wang, Y.-X. Language agent tree search unifies reasoning acting and planning in language models, 2024. URL https://arxiv.org/abs/2310.04406. Zhou, C., Liu, P., Xu, P., Iyer, S., Sun, J., Mao, Y., Ma, X., Efrat, A., Yu, P., Yu, L., Zhang, S., Ghosh, G., Lewis, M., Zettlemoyer, L. et Levy, O. Lima : Less is more for alignment, 2023. URL https://arxiv.org/abs/2305.11206.

Table des matières

1 Introduction 1

2 Curation des données de raisonnement pour créer s1K 2

2.1 Collecte initiale de 59K échantillons 2

2.2 Sélection finale de 1K échantillons 2

3 Mise à l'échelle au moment du test 3

3.1 Méthode 3

3.2 Métriques 4

4 Résultats 4

4.1 Configuration 4

4.2 Performance 6

5 Ablations 6

5.1 Quantité, diversité et difficulté des données 6

5.2 Méthodes de mise à l'échelle au moment du test 6

6 Discussion et travaux connexes 8

6.1 Raisonnement efficace en échantillons 8

6.2 Mise à l'échelle au moment du test 9

A s1.1 16

B Déterminisme de l'évaluation 16

C Détails de s1K 17

C.1 Résumé de s1K 17

C.2 Composition du jeu de données pour l'ensemble des 59K questions 17

C.3 Prompt de notation de s1K 19

C.4 Sélection de la diversité de s1K 19

C.5 Décontamination 19

D Détails d'entraînement 21

D.1 Ablations d'entraînement : longueur de séquence 21

D.2 Échantillons d'entraînement 21

E Détails de la mise à l'échelle au moment du test 35

E.1 Ablations de mise à l'échelle séquentielle 35

E.2 Exemples pour l'ablation par échantillonnage avec rejet 37

F Contrôle de version 46

A. s1.1

A. s1.1Sept jours après la publication de s1, nous avons publié s1.1. Nous avons régénéré les traces pour nos 1 000 échantillons de s1K en utilisant DeepSeek r1 (DeepSeek-AI et al., 2025) afin de créer s1K-1.1. Nous utilisons la même procédure d'entraînement pour entraîner notre modèle s1.1. Parmi les autres mises à jour depuis notre lancement figurent la publication de o3 (OpenAI, 2025), LIMO (Ye et al., 2025a) et AIME 2025. Nous prenons en compte toutes ces nouveautés dans le tableau 5. Nous constatons que s1.1 obtient des performances nettement meilleures que s1. Nous avons également essayé de distiller à partir de Claude 3.7, ce qui a conduit à des performances inférieures à celles obtenues à partir de r1 (non rapportées).

ModèleExemplesMATH500GPQAAIME 2024AIME 2025
API uniquement
o3-mini-lowN/A95,870,656,342,1
o3-mini-mediumN/A97,376,875,870,4
o3-mini-highN/A97,979,783,880,9
Poids ouverts
QwQ-32BN.A.90,654,546,732,7
r1≥800K07,371,579,870,0
r1-distill-Llama-70B800K94,565,257,156,3
r1-distill-Qwen-14B800K93,959,161,748,0
r1-distill-Qwen-32B800K94,362,158,349,6
Poids ouverts et données ouvertes
LIMO81794,866,756,344,6
s1 sans BF1K92,656,650,026,7
s1 avec Budget Forcing « Wait » 1x1K92,859,653,330,0
s1 avec Budget Forcing « Wait » 2x1K93,059,653,333,3
s1 avec Budget Forcing « Wait » 4x1K92,258,656,736,7
s1.1 sans BF1K94,460,656,750,0
s1.1 avec Budget Forcing « Wait » 1x1K95,462,656,750,0
s1.1 avec Budget Forcing « Wait » 2x1K95,463,656,750,0
Tableau 5. s1-32B est un modèle de raisonnement ouvert et économe en échantillons. Nous évaluons s1-32B, Qwen et Gemini (certaines entrées sont inconnues (N.A.), voir §4\S 4 ). Les autres résultats proviennent des rapports respectifs (Qwen et al., 2024 ; Team, 2024 ; OpenAI, 2024 ; 2025 ; DeepSeek-AI et al., 2025 ; Labs, 2025 ; Team, 2025), à l'exception d'AIME 2025 (Ye et al., 2025b). # ex. == nombre d'exemples utilisés pour le finetuning du raisonnement ; BF=\mathrm{BF} = budget forcing.

B. Déterminisme de l'évaluation

Nous exécutons nos évaluations avec vLLM (Kwon et al., 2023) car il est plus rapide que les alternatives que nous avons essayées. Cependant, nous constatons que même en utilisant les mêmes graines aléatoires et un échantillonnage glouton, les scores d'évaluation peuvent varier considérablement d'une exécution à l'autre :

Différentes tailles de lot provoquant des résultats différents, voir https://github.com/vllm- project/vllm/issues/5898 Des générations continues provoquant des résultats différents, voir https://github.com/vllm- project/vllm/issues/11783 Des changements dans le parallélisme tensoriel provoquant des résultats différents

Comme notre modèle génère de longues traces de raisonnement avant sa réponse, de petits changements numériques peuvent s'amplifier en différences importantes. Nous rencontrons de nombreuses générations qui sont exactement identiques sur des milliers de tokens puis diffèrent soudainement sur un token, pour finalement aboutir à une réponse entièrement différente. Pour atténuer en partie ce problème, nous exécutons généralement nos évaluations finales en pleine précision, sauf indication contraire.

- .

C. Détails de s1K

C.1. Résumé de s1K

Domaine#questionsNombre total de tokensMots-clés
Géométrie109560,2 KAire, Triangle, Distance
Théorie des nombres98522,5 KSuites, Divisibilité
Combinatoire75384,7 KPermutations, Dénombrement
Fonctions réelles43234,8 KTrigonométrie, Calcul
Biologie41120,9 KRéactions organiques
Fonctions complexes32170,2 KRacines complexes
Théorie quantique32127,9 KParticules, Fonctions d'onde
Théorie des champs28150,1 KPolynômes, Racines
Calcul des variations28155,5 KOptimisation, Contrôle
Équations aux différences24132,5 KRécurrence, Récursion
Théorie électromagnétique2395,8 KOptique, Ondes, Diffraction
Théorie des groupes22100,0 KGroupes, Automorphismes
Algèbre linéaire22128,3 KMatrices, Déterminants
Théorie des probabilités20114,6 KMarche aléatoire, Espérance
Systèmes algébriques19109,9 KÉquations fonctionnelles
Mécanique19103,6KForces, mouvement, énergie
Thermodynamique1974,2KMachines thermiques, entropie
Équations différentielles1889,6KSubstitution, existence
Informatique1834,2KThéorie de la complexité, algorithmes
Analyse numérique1876,5KAnalyse des erreurs, stabilité
Calcul1796,3KConvergence, sommation
Structures algébriques1790,4KInégalités, ensembles
Astronomie1637,7KPopulations stellaires, orbites
27 domaines restants242982,2KDomaines avec ≤ 16 questions
Tous les domaines (51)10004,7Ms1K
Tableau 6. Résumé de notre jeu de données s1K. Nombre de tokens mesuré par le tokenizer Qwen-2.5. Nous demandons à Claude de produire des mots-clés à partir de plusieurs questions du domaine.

C.2. Composition du jeu de données pour l'ensemble des 59K questions

SourceDescription#SamplesLongueur moyenne de réflexion
NuminaMATH (LI et al., 2024)Problèmes mathématiques issus de sites web306604,1K
MATH (Hendrycks et al., 2021)Problèmes mathématiques issus de compétitions119992,9K
OlympicArena (Huang et al., 2024a)Questions d'olympiades en astronomie, biologie, chimie, informatique, géographie, mathématiques et physique42503,2K
OmniMath (Gao et al., 2024a)Problèmes mathématiques issus de compétitions42384,4K
AGIEval (Zhong et al., 2023 ; Ling et al., 2017 ; Hendrycks et al., 2021 ; Liu et al., 2020 ; Zhong et al., 2019 ; Wang et al., 2021)Problèmes d'anglais, de droit, de logique et de mathématiques issus du SAT, du LSAT et d'autres examens23851,2K
xwordMots croisés9990,7K
OlympiadBench (He et al., 2024)Questions d'olympiades de mathématiques et de physique8963,9K
AIME (1983-2021)American Invitational Mathematics Examination8904,7K
TheoremQA (Chen et al., 2023)Questions de niveau universitaire en informatique, finance, mathématiques et physique portant sur des théorèmes7472,1K
USACO (Shi et al., 2024)Problèmes de code issus de l'Olympiade informatique des États-Unis5193,6K
JEEBench (Arora et al., 2023)Problèmes de chimie, de mathématiques et de physique utilisés à l'examen d'entrée de l'Indian Institute of Technology5152,9K
GPQA (Rein et al., 2023)Questions scientifiques de niveau doctorat3482,9K
SciEval (Sun et al., 2024)Problèmes de biologie, de chimie et de physique issus de diverses sources2270,7K
s1-probExamens de qualification en statistique de Stanford1824,0K
LiveCodeBench (Jain et al., 2024)Problèmes de code issus de sites de programmation (LeetCode, AtCoder et CodeForces)1513,5K
s1-teasersCasse-têtes mathématiques récupérés sur Internet234,1K
Toutes les 59K questionsComposite des ensembles de données ci-dessus avec les traces de raisonnement et les solutions590293,6K
Tableau 7. Composition des 59K questions complètes. Les longueurs de réflexion et de réponse sont mesurées en tokens à l'aide du tokenizer Qwen2.5-32B-Instruct (Qwen et al., 2024). En plus d'exclure notre benchmark d'évaluation, AIME24, nous excluons également les questions AIME de 2022-2023, car nous utilisons ces 90 questions lors de notre phase de développement de s1-32B.

C.3. Prompt de notation de s1K

Pour évaluer si un exemple est correct pour la sélection de notre jeu de données au §2\S 2 , nous utilisons le prompt de la figure 8. Nous notons à l'aide de Claude 3.5, sauf pour la justesse parmi les 1 000 échantillons finaux, que nous avons notés avec Claude 3.7.

Vous êtes un assistant IA chargé de noter un problème scientifique. L'utilisateur vous fournira la question elle-même, une tentative réalisée par un étudiant et la réponse correcte au problème. Votre tâche est de juger si la tentative est correcte en la comparant à la réponse correcte. Si la solution attendue se conclut par un nombre ou un choix, il ne devrait y avoir aucune ambiguïté. Si la solution attendue implique de parcourir l'ensemble du processus de raisonnement, vous devez juger la tentative en fonction de la justesse du processus de raisonnement, avec la réponse correcte si cela est utile.

L'utilisateur fournira la tentative et la réponse correcte au format suivant :

Problem {problem}

Attempt {attempt}

Correct answer {solution}

Expliquez votre raisonnement et terminez votre réponse sur une nouvelle ligne avec uniquement « Yes » ou « No » (sans guillemets).

C.4. Sélection de la diversité de s1K

L'algorithme 1 présente notre algorithme de sélection des données lors de notre étape de sélection de la diversité. Comme mentionné au §2\S 2 , nous incluons également des échantillons provenant de certains benchmarks que nous percevons comme de haute qualité. Aucun des échantillons ne chevauche notre évaluation finale.

C.5. Décontamination

Nous filtrons tous les échantillons en vérifiant s'il existe un chevauchement de 8-grammes entre les exemples sélectionnés et les benchmarks d'évaluation : MATH500, GPTQA Diamond et AIME24. Nous excluons les questions présentant un chevauchement supérieur à 8-grammes.

Algorithme 1 Échantillonnage en deux étapes pour s1K

1 : Entrée : Q≔Q\coloneqq Ensemble de 24 496 questions avec caractéristiques 2 : Sortie : S≔S\coloneqq Ensemble de 1 000 questions sélectionnées 3 : S←∅S\leftarrow \emptyset Initialiser l'ensemble de sortie (ne suit que les éléments uniques) 4 : for q∈Qq\in Q do 5 : if IsGeminiCorrect (q)(q) and (IsAIME (q)(q) or IsGPQA (q)(q) ) then 6 : S←S∪{q}S\gets S\cup \{q\} 7 : Sélectionner toutes les solutions AIME/GPQA correctes 8 : else if IsGeminiCorrect (q)(q) and IsMATH (q)(q) and ThinkingLength (q)>5600(q) > 5600 then 9 : S←S∪{q}S\gets S\cup \{q\} 10 : Sélectionner les solutions MATH500 correctes avec de longues chaînes 11 : end if 12 : end for 13 : D←D\gets Tous les domaines disponibles 14 : Initialiser le pool de domaines 15 : while ∣S∣<1000|S|< 1000 do 16 : d←d\gets RandomChoice (D)(D) 17 : Sélectionner aléatoirement un domaine 18 : Qd←Q_{d}\gets Questions du domaine dd 19 : Obtenir les questions de ce domaine 20 : ranks ←\leftarrow RankByThinkingLength (Qd)(Q_{d}) 21 : Classer par longueur de réflexion 22 : weights ←2−\leftarrow 2^{-} ranks 23 : Appliquer une pondération en loi de puissance 24 : q←q\gets WeightedSample (Qd(Q_{d} , weights) 25 : Échantillonner en favorisant les chaînes plus longues 26 : S←S∪{q}S\gets S\cup \{q\} 27 : Ajouter la question sélectionnée 28 : Qd←Qd∖{q}Q_{d}\gets Q_{d}\setminus \{q\} 29 : if Qd=∅Q_{d} = \emptyset then 30 : D←D∖{d}D\gets D\setminus \{d\} 31 : Retirer les domaines épuisés 32 : end if 33 : end while

D. Détails d'entraînement

Nous prenons un modèle déjà pré-entraîné et ajusté aux instructions et le fine-tunons davantage pour le raisonnement. Plus précisément, nous utilisons Qwen2.5- 32B- Instruct (Qwen et al., 2024), qui sur les tâches mathématiques égale généralement ou surpasse le plus grand Qwen2.5- 72B- Instruct (Qwen et al., 2024) ou d'autres modèles ouverts (Dubey et al., 2024 ; Groeneveld et al., 2024 ; Muennighoff et al., 2024). Nous utilisons des délimiteurs de tokens pour séparer la phase de réflexion de la phase de réponse. Nous encadrons la phase de réflexion avec <|im_start|>think et <|im_start|>answer ; tous deux précédés et suivis d'un saut de ligne. Des échantillons de notre jeu de données se trouvent dans §D.2\S \mathrm{D}.2 . Nous utilisons des hyperparamètres de fine-tuning de base : nous entraînons pendant 5 époques avec une taille de lot de 16 pour un total de 315 étapes de gradient. Nous entraînons en précision bfloat16 avec un taux d'apprentissage de 1e−51e - 5 augmenté linéairement pendant 5%5\% (16 étapes) puis décru jusqu'à 0 sur le reste de l'entraînement (299 étapes) selon un calendrier cosinus. Nous utilisons l'optimiseur AdamW (Loshchilov & Hutter, 2019) avec β1=0.9\beta_{1} = 0.9 , β2=0.95\beta_{2} = 0.95 et une décroissance de poids de 1e−41e - 4 . Nous ne calculons pas la perte sur les questions, seulement sur les traces de raisonnement et les solutions. Nous nous assurons que la longueur de séquence est suffisamment grande pour éviter de tronquer des échantillons ; un réglage que nous étudions par ablation dans §D.1\S \mathrm{D}.1 . L'entraînement prend seulement 26 minutes sur 16 GPU NVIDIA H100.

Figure 9. Dynamique d'entraînement de s1-32B sur s1K.

D.1. Ablations d'entraînement : longueur de séquence

Modèle AModèle B
Longueur de séquence d'entraînement409632768
% d'échantillons d'entraînement tronqués74 %0 %
AIME2430,0 % / 2072150,0 % / 6984
MATH50090,0 % / 532491,0 % / 3268
GPQA52,5 % / 684153,0 % / 3568

Tableau 8. Ablation de la longueur de séquence d'entraînement. Nous rapportons « précision / nombre moyen de tokens de réflexion par échantillon » ; plus la précision est élevée et moins il y a de tokens de réflexion (coût d'inférence), mieux c'est.

Outre nos ablations de mise à l'échelle dans §5.2\S 5.2 , le principal hyperparamètre d'entraînement que nous étudions par ablation est la longueur de séquence utilisée pendant l'entraînement. Nous constatons qu'une longueur de séquence d'entraînement plus courte conduit à des traces de raisonnement plus longues au moment du test. Cela s'explique par le fait que, lors de l'entraînement avec une longueur de séquence plus courte, la section de réponse de l'échantillon d'entraînement est plus souvent tronquée. Inversement, lorsque la longueur de séquence d'entraînement est plus longue, davantage d'échantillons apparaissent dans leur intégralité avec la section où le modèle répond. Ainsi, le modèle reçoit davantage de mises à jour de gradient où il apprend à générer une réponse à la suite de sa chaîne. Cela conduit à son tour à une probabilité logarithmique plus élevée de la section de réponse à tout moment de la génération et donc à des traces de raisonnement plus courtes au moment du test. En termes de performance, nous constatons également que le modèle entraîné avec une longueur de séquence plus longue performe mieux. Nous optons donc pour la longueur de séquence d'entraînement la plus longue, car elle conduit à de meilleures performances et rend l'inférence plus efficace en produisant des traces de raisonnement plus courtes.

D.2. Échantillons d'entraînement

Le tableau 9, le tableau 10 et le tableau 11 contiennent des échantillons d'entraînement de s1K.

Tableau 9. échantillon s1K provenant de s1-prob. Le texte en noir est la question et le texte en jaune est la solution. En nous fondant uniquement sur la question, nous générons la trace de raisonnement en bleu clair et la réponse en bleu avec Gemini, que nous utilisons pour l'entraînement.

On se donne des variables aléatoires intégrables X,Y0X,Y_{0} et Z0Z_{0} sur le même espace de probabilité (Ω,F,P)(\Omega ,\mathcal{F},\mathbb{P}) , et deux σ\sigma - algèbres A⊂F,B⊂F\mathcal{A}\subset \mathcal{F},\mathcal{B}\subset \mathcal{F} . Pour k=1,2,…k = 1,2,\ldots , soit

Yk≔E[X∣σ(A,Z0,…,Zk−1)],Zk≔E[X∣σ(B,Y0,…,Yk−1)].Y_{k}\coloneqq \mathbb{E}[X|\sigma (\mathcal{A},Z_{0},\ldots ,Z_{k - 1})],\quad Z_{k}\coloneqq \mathbb{E}[X|\sigma (\mathcal{B},Y_{0},\ldots ,Y_{k - 1})].

(a) Montrer qu'il existe des variables aléatoires intégrables Y∞Y_{\infty} et Z∞Z_{\infty} telles que, lorsque n→∞n\to \infty, à la fois E[∣Yn−Y∞∣]→0\mathbb{E}[|Y_{n} - Y_{\infty}|]\to 0 et E[∣Zn−Z∞∣]→0\mathbb{E}[|Z_{n} - Z_{\infty}|]\to 0 . (b) Prouver que presque sûrement Y∞=Z∞Y_{\infty} = Z_{\infty} .

1. Introduisons les notations, Fn≔σ(A,Z0,…,Zn−1)F_{n}\coloneqq \sigma (\mathcal{A},Z_{0},\ldots ,Z_{n - 1}) et Gn≔σ(B,Y0,…,Yn−1)G_{n}\coloneqq \sigma (B,Y_{0},\ldots ,Y_{n - 1}) , pour tout n≥1n\geq 1 et F0≔AF_{0}\coloneqq \mathcal{A} G0≔BG_{0}\coloneqq \mathcal{B} . De toute évidence, les deux sont des filtrations et, par définition, Yn=E[X∣Fn]Y_{n} = \mathbb{E}\left[X|F_{n}\right] et Zn=E[X∣Gn]Z_{n} = \mathbb{E}\left[X|G_{n}\right] , pour tout n≥0n\geq 0 . Ainsi {Yn}n≥0\left\{Y_{n}\right\}{n\geq 0} (ou {Zn}n≥0\left\{Z{n}\right\}{n\geq 0} ) est une martingale de Doob par rapport à la filtration {Fn}n≥0\left\{F{n}\right\}{n\geq 0} (ou {Gn}n≥0\left\{G{n}\right\}_{n\geq 0} ) et est donc U.I., XX étant intégrable. Appliquons maintenant le fait qu'une martingale est U.I. si et seulement si elle converge dans L1L^{1} et concluons.

2. Nous fournissons deux preuves différentes.

1. Observons l'identité suivante qui découle de la propriété de la tour.

E[Yn∣Gn]=E[E[X∣Fn]∣Gn]=E[E[X∣Gn]∣Fn]=E[Zn∣Fn].(4)\mathbb{E}\left[Y_{n}|G_{n}\right] = \mathbb{E}\left[\mathbb{E}\left[X|F_{n}\right]|G_{n}\right] = \mathbb{E}\left[\mathbb{E}\left[X|G_{n}\right]|F_{n}\right] = \mathbb{E}\left[Z_{n}|F_{n}\right]. \quad (4)

Notons que E[E[Yn∣Gn]−E[Y∞∣Gn]∣≤E∣Yn−Y∞∣=o(1)\mathbb{E}[\mathbb{E}\left[Y_{n}|G_{n}\right] - \mathbb{E}\left[Y_{\infty}|G_{n}\right]|\leq \mathbb{E}|Y_{n} - Y_{\infty}| = o(1) et, par le théorème de convergence ascendante de Lévy, E[Y∞∣Gn]⟶L1E[Y∞∣G∞]\mathbb{E}\left[Y_{\infty}|G_{n}\right]\stackrel {L^{1}}{\longrightarrow}\mathbb{E}\left[Y_{\infty}|G_{\infty}\right] où G∞=σ(∪n≥0Gn)=σ(B,Y0,Y1…)G_{\infty} = \sigma \left(\cup_{n\geq 0}G_{n}\right) = \sigma (B,Y_{0},Y_{1}\ldots) . Il est évident que Y∞∈mG∞Y_{\infty}\in m G_{\infty} (puisque c'est la limite presque sûre de Yn∈mGnY_{n}\in m G_{n} ) et donc E[Y∞∣G∞]=Y∞\mathbb{E}\left[Y_{\infty}|G_{\infty}\right] = Y_{\infty} presque sûrement. En combinant les observations ci-dessus, nous concluons que E[Yn∣Gn]⟶L1Y∞\mathbb{E}\left[Y_{n}|G_{n}\right]\stackrel {L^{1}}{\longrightarrow}Y_{\infty} . De même, E[Zn∣Fn]⟶L1Z∞\mathbb{E}\left[Z_{n}|F_{n}\right]\stackrel {L^{1}}{\longrightarrow}Z_{\infty} . Invoquons maintenant l'équation (4) pour conclure que Y∞=Z∞Y_{\infty} = Z_{\infty} presque sûrement.

2. Puisque XX est intégrable, nous avons, par le théorème de convergence ascendante de Lévy, Y∞=lim⁡n→∞Yn=lim⁡n→∞E[X∣Fn]=E[X∣F∞]Y_{\infty} = \lim_{n\to \infty}Y_{n} = \lim_{n\to \infty}\mathbb{E}\left[X|F_{n}\right] = \mathbb{E}\left[X|F_{\infty}\right] . De même, Z∞=E[X∣G∞]Z_{\infty} = \mathbb{E}\left[X|G_{\infty}\right] . D'autre part, dans la première preuve, nous avons observé que Y∞∈mG∞Y_{\infty}\in m G_{\infty} et donc Y∞∈Y_{\infty}\in mG∞∩mF∞=m(G∞∩F∞)m G_{\infty}\cap m F_{\infty} = m\left(G_{\infty}\cap F_{\infty}\right) . Cela donne ce qui suit.

Y∞=E[Y∞∣G∞∩F∞]=E[E[X∣F∞]∣G∞∩F∞]=E[X∣G∞∩F∞].Y_{\infty} = \mathbb{E}\left[Y_{\infty}|G_{\infty}\cap F_{\infty}\right] = \mathbb{E}\left[\mathbb{E}\left[X|F_{\infty}\right]|G_{\infty}\cap F_{\infty}\right] = \mathbb{E}\left[X|G_{\infty}\cap F_{\infty}\right].

De même, Z∞=E[X∣G∞∩F∞]Z_{\infty} = \mathbb{E}\left[X|G_{\infty}\cap F_{\infty}\right] . Cela prouve que Y∞=Z∞Y_{\infty} = Z_{\infty} presque sûrement.

Analysons le problème. On nous donne deux suites de variables aléatoires YkY_{k} et ZkZ_{k} définies par des espérances conditionnelles. Nous devons montrer que ces suites convergent dans L1L^{1} et que leurs limites sont égales presque sûrement.

Partie (a) : Convergence dans L1L^{1} .

Les sigma-algèbres impliquées sont croissantes :

Fk=σ(A,Z0,…,Zk−1)F_{k} = \sigma (\mathcal{A},Z_{0},\ldots ,Z_{k - 1})

Gk=σ(B,Y0,…,Yk−1)G_{k} = \sigma (B,Y_{0},\ldots ,Y_{k - 1})

Pour la suite YkY_{k} :

Y1=E[X∣σ(A)]Y_{1} = \mathbb{E}[X|\sigma (\mathcal{A})]

Y2=E[X∣σ(A,Z0)]Y_{2} = \mathbb{E}[X|\sigma (\mathcal{A},Z_{0})]

Y3=E[X∣σ(A,Z0,Z1)]Y_{3} = \mathbb{E}[X|\sigma (\mathcal{A},Z_{0},Z_{1})]

La suite de tribus σ(A,Z0,…,Zk−1)\sigma (\mathcal{A},Z_{0},\ldots ,Z_{k - 1}) est croissante. D'après le théorème de convergence des martingales (pour les espérances conditionnelles), puisque XX est intégrable, la suite YkY_{k} converge presque sûrement et dans L1L^{1} vers E[X∣σ(A,Z0,Z1,…)]\mathbb{E}[X|\sigma (\mathcal{A},Z_{0},Z_{1},\ldots)] . Soit Y∞=E[X∣σ(A,Z0,Z1,…)]Y_{\infty} = \mathbb{E}[X|\sigma (\mathcal{A},Z_{0},Z_{1},\ldots)] .

De même, pour la suite ZkZ_{k} :

Z1=E[X∣σ(B)]Z2=E[X∣σ(B,Y0)]Z3=E[X∣σ(B,Y0,Y1)]\begin{array}{c} Z_{1} = \mathbb{E}[X|\sigma (B)] \\ Z_{2} = \mathbb{E}[X|\sigma (B,Y_{0})] \\ Z_{3} = \mathbb{E}[X|\sigma (B,Y_{0},Y_{1})] \end{array}

La suite de tribus σ(B,Y0,…,Yk−1)\sigma (B,Y_{0},\ldots ,Y_{k - 1}) est croissante. D'après le théorème de convergence des martingales, la suite ZkZ_{k} converge presque sûrement et dans L1L^{1} vers E[X∣σ(B,Y0,Y1,…)]\mathbb{E}[X|\sigma (B,Y_{0},Y_{1},\ldots)] . Soit Z∞=E[X∣σ(B,Y0,Y1,…)]Z_{\infty} = \mathbb{E}[X|\sigma (B,Y_{0},Y_{1},\ldots)] .

Partie (b) : Démontrer que presque sûrement Y∞=Z∞Y_{\infty} = Z_{\infty} .

On a Y∞=E[X∣σ(A,Z0,Z1,…)]Y_{\infty} = \mathbb{E}[X|\sigma (A,Z_{0},Z_{1},\ldots)] et Z∞=E[X∣σ(B,Y0,Y1,…)]Z_{\infty} = \mathbb{E}[X|\sigma (B,Y_{0},Y_{1},\ldots)] .

Soit Y∞=σ(A,Z0,Z1,…)\mathcal{Y}{\infty} = \sigma (A,Z{0},Z_{1},\ldots) et Z∞=σ(B,Y0,Y1,…)Z_{\infty} = \sigma (B,Y_{0},Y_{1},\ldots) .

Alors Y∞=E[X∣Y∞]Y_{\infty} = \mathbb{E}[X|\mathcal{Y}{\infty}] et Z∞=E[X∣Z∞]Z{\infty} = \mathbb{E}[X|Z_{\infty}] .

Considérons Y1=E[X∣A]Y_{1} = \mathbb{E}[X|\mathcal{A}] . Z1=E[X∣B]Z_{1} = \mathbb{E}[X|B] .

Y2=E[X∣σ(A,Z0)]Y_{2} = \mathbb{E}[X|\sigma (A,Z_{0})] . Puisque Z0=E[X∣B]Z_{0} = \mathbb{E}[X|B] , σ(A,Z0)=σ(A,E[X∣B])\sigma (A,Z_{0}) = \sigma (A,\mathbb{E}[X|B]) .

Z2=E[X∣σ(B,Y0)]Z_{2} = \mathbb{E}[X|\sigma (B,Y_{0})] . Puisque Y0Y_{0} n'est pas défini, supposons que Y0Y_{0} et Z0Z_{0} sont donnés.

Considérons la tribu engendrée par tous les YiY_{i} et ZiZ_{i} .

Soit G=σ(Y0,Z0,Y1,Z1,…)G = \sigma (Y_{0},Z_{0},Y_{1},Z_{1},\ldots) .

YkY_{k} et ZkZ_{k} sont tous deux mesurables par rapport à GG . Ainsi, Y∞Y_{\infty} et Z∞Z_{\infty} sont mesurables par rapport à GG .

Considérons E[Yn+1∣A,Z0,…,Zn−1]=E[E[X∣σ(A,Z0,…,Zn)]∣A,Z0,…,Zn−1]=Yn\mathbb{E}[Y_{n + 1}|\mathcal{A},Z_{0},\ldots ,Z_{n - 1}] = \mathbb{E}[\mathbb{E}[X|\sigma (A,Z_{0},\ldots ,Z_{n})]|\mathcal{A},Z_{0},\ldots ,Z_{n - 1}] = Y_{n} .

Considérons E[Zn+1∣B,Y0,…,Yn−1]=E[E[X∣σ(B,Y0,…,Yn)]∣B,Y0,…,Yn−1]=Zn\mathbb{E}[Z_{n + 1}|B,Y_{0},\ldots ,Y_{n - 1}] = \mathbb{E}[\mathbb{E}[X|\sigma (B,Y_{0},\ldots ,Y_{n})]|B,Y_{0},\ldots ,Y_{n - 1}] = Z_{n} .

Soit H=σ(A∪B∪σ(Y0,Z0,Y1,Z1,…))\mathcal{H} = \sigma (A\cup B\cup \sigma (Y_{0},Z_{0},Y_{1},Z_{1},\ldots)) .

Considérons E[X∣A,Z0,…,Zk−1]=Yk\mathbb{E}[X|\mathcal{A},Z_{0},\ldots ,Z_{k - 1}] = Y_{k} .

Considérons E[X∣B,Y0,…,Yk−1]=Zk\mathbb{E}[X|B,Y_{0},\ldots ,Y_{k - 1}] = Z_{k} .

Considérons les tribus limites Y∞=σ(A,Z0,Z1,…)\mathcal{Y}{\infty} = \sigma (A,Z{0},Z_{1},\ldots) et Z∞=σ(B,Y0,Y1,…)Z_{\infty} = \sigma (B,Y_{0},Y_{1},\ldots) .

Nous savons que Y∞Y_{\infty} est Y∞\mathcal{Y}{\infty} - mesurable et Z∞Z{\infty} est Z∞Z_{\infty} - mesurable.

Soit C=σ(A∪B)C = \sigma (A\cup B) .

Y1=E[X∣A].Z1=E[X∣B].Y_{1} = \mathbb{E}[X|\mathcal{A}]. Z_{1} = \mathbb{E}[X|B].
Y2=E[X∣σ(A,Z0)]=E[X∣σ(A,E[X∣B])].Y_{2} = \mathbb{E}[X|\sigma (A,Z_{0})] = \mathbb{E}[X|\sigma (A,\mathbb{E}[X|B])].
Z2=E[X∣σ(B,Y0)]=E[X∣σ(B,E[X∣A])].Z_{2} = \mathbb{E}[X|\sigma (B,Y_{0})] = \mathbb{E}[X|\sigma (B,\mathbb{E}[X|A])].

Considérons le cas où A\mathcal{A} et BB sont indépendantes. Alors Y1=E[X∣A]Y_{1} = \mathbb{E}[X|\mathcal{A}] et Z1=E[X∣B]Z_{1} = \mathbb{E}[X|B] .

Y2=E[X∣σ(A,E[X∣B])]Y_{2} = \mathbb{E}[X|\sigma (A,\mathbb{E}[X|B])] .

Considérons la tribu engendrée par toute l'information. Soit F∞=σ(A,B,Y0,Z0,Y1,Z1,…)F_{\infty} = \sigma (A,B,Y_{0},Z_{0},Y_{1},Z_{1},\ldots) .

Alors Y∞Y_{\infty} et Z∞Z_{\infty} sont toutes deux F∞F_{\infty} - mesurables.

Nous avons Y∞=lim⁡n→∞YnY_{\infty} = \lim_{n\to \infty}Y_{n} et Z∞=lim⁡n→∞ZnZ_{\infty} = \lim_{n\to \infty}Z_{n} p.s. et dans L1L^{1} .

Considérons E[X∣A,Z0,Z1,…]=Y∞\mathbb{E}[X|\mathcal{A},Z_{0},Z_{1},\ldots ] = Y_{\infty} et E[X∣B,Y0,Y1,…]=Z∞\mathbb{E}[X|B,Y_{0},Y_{1},\ldots ] = Z_{\infty} .

Soit H∞=σ(A∪B)\mathcal{H}_{\infty} = \sigma (A\cup B) .

Considérons E[X∣H∞]\mathbb{E}[X|\mathcal{H}_{\infty}] .

Essayons de montrer que Y∞Y_{\infty} et Z∞Z_{\infty} sont toutes deux égales à E[X∣σ(A∨B)]\mathbb{E}[X|\sigma (A\vee B)] . Cela semble trop simple.

Considérons la définition de l'espérance conditionnelle. Pour tout ensemble A∈Y∞A\in \mathcal{Y}{\infty} , E[Y∞∣A]=E[X∣A]\mathbb{E}[Y{\infty}|{A}] = \mathbb{E}[X|{A}] .

Pour tout ensemble B∈Z∞B\in \mathcal{Z}{\infty} , E[Z∞∣B]=E[X∣B]\mathbb{E}[Z{\infty}|{B}] = \mathbb{E}[X|{B}] .

Considérons E[Yk+1∣Fk]=Yk\mathbb{E}[Y_{k + 1}|F_{k}] = Y_{k} où Fk=σ(A,Z0,…,Zk−1)F_{k} = \sigma (A,Z_{0},\ldots ,Z_{k - 1}) .

Considérons E[Zk+1∣Gk]=Zk\mathbb{E}[Z_{k + 1}|G_{k}] = Z_{k} où Gk=σ(B,Y0,…,Yk−1)G_{k} = \sigma (B,Y_{0},\ldots ,Y_{k - 1}) .

Considérons la tribu σ(A∪B)\sigma (A\cup B) .

Soit W=E[X∣σ(A∪B)]W = \mathbb{E}[X|\sigma (A\cup B)] .

Nous avons Y∞=E[X∣σ(A,Z0,Z1,…)]Y_{\infty} = \mathbb{E}[X|\sigma (A,Z_{0},Z_{1},\ldots)] .

Comme ZkZ_{k} dépend de Yk−1Y_{k - 1} qui dépend de Zk−2Z_{k - 2} etc., c'est complexe.

Considérons le cas où Y0=E[X∣A]Y_{0} = \mathbb{E}[X|\mathcal{A}] et Z0=E[X∣B]Z_{0} = \mathbb{E}[X|B] .

Alors Y1=E[X∣A]=Y0Y_{1} = \mathbb{E}[X|\mathcal{A}] = Y_{0} .

Z1=E[X∣B]=Z0.Z_{1} = \mathbb{E}[X|B] = Z_{0}.

Si tel était le cas, alors Yk=Y0Y_{k} = Y_{0} et Zk=Z0Z_{k} = Z_{0} , donc Y∞=Y0Y_{\infty} = Y_{0} et Z∞=Z0Z_{\infty} = Z_{0} .

Nous aurions besoin que Y0=Z0Y_{0} = Z_{0} p.s., c'est-à-dire E[X∣A]=E[X∣B]\mathbb{E}[X|\mathcal{A}] = \mathbb{E}[X|B] p.s. Ce n'est pas vrai en général.

Considérons la tribu engendrée par tous les YiY_{i} et ZiZ_{i} , notée G∞=σ(Y0,Z0,Y1,Z1,…)\mathcal{G}{\infty} = \sigma (Y{0},Z_{0},Y_{1},Z_{1},\ldots) .

Alors Y∞=σ(A,Z0,Z1,…)⊆σ(A,G∞)\mathcal{Y}{\infty} = \sigma (A,Z{0},Z_{1},\ldots)\subseteq \sigma (A,G_{\infty}) .

\(\mathcal{Z}{\infty} = \sigma (B,Y{0},Y_{1},\ldots)\subseteq \sigma (B,G_{\infty})\) .Considérons \(\mathbb{E}[X|A,Z_{0},Z_{1},\ldots ] = Y_{\infty}\) .Cela signifie que pour tout \(A\in \sigma (A,Z_{0},Z_{1},\ldots)\), \(\mathbb{E}[X1_{A}] = \mathbb{E}[Y_{\infty 1_{A}}]\)

Considérons \(\mathbb{E}[X|B,Y_{0},Y_{1},\ldots ] = Z_{\infty}\) .Cela signifie que pour tout \(B\in \sigma (B,Y_{0},Y_{1},\ldots)\), \(\mathbb{E}[X1_{B}] = \mathbb{E}[Z_{\infty 1_{B}}]\)

Soit \(\mathcal{H} = \sigma (A,B)\)

Considérons \(\mathbb{E}[X|\mathcal{H}].\)

Considérons \(\mathbb{E}[Y_{\infty}|B,Y_{0},Y_{1},\ldots ] = \mathbb{E}[\mathbb{E}[X|A,Z_{0},Z_{1},\ldots ]|B,Y_{0},Y_{1},\ldots ]\)

Utilisons le fait que \(Y_{\infty}\) est \(\sigma (A,Z_{0},Z_{1},\ldots)\)-mesurable et que \(Z_{\infty}\) est \(\sigma (B,Y_{0},Y_{1},\ldots)\)-mesurable.

Considérons la plus petite tribu contenant à la fois \(\sigma (A,Z_{0},Z_{1},\ldots)\) et \(\sigma (B,Y_{0},Y_{1},\ldots)\)

C'est \(\sigma (A\cup B\cup \{Y_{i}\}{i\geq 0}\cup \{Z{i}\}_{i\geq 0})\)

Essayons de montrer que \(\mathbb{E}[(Y_{\infty} - Z_{\infty})^{2}] = 0\)

E[(Y∞−Z∞)2]=E[Y∞2]+E[Z∞2]−2E[Y∞Z∞]\mathbb{E}[(Y_{\infty} - Z_{\infty})^{2}] = \mathbb{E}[Y_{\infty}^{2}] + \mathbb{E}[Z_{\infty}^{2}] - 2\mathbb{E}[Y_{\infty}Z_{\infty}]

Considérons la définition de \(Y_{k}\) et \(Z_{k}\)

E[Yk+1∣A,Z0,…,Zk−1]=Yk\mathbb{E}[Y_{k + 1}|A,Z_{0},\ldots ,Z_{k - 1}] = Y_{k}

E[Zk+1∣B,Y0,…,Yk−1]=Zk\mathbb{E}[Z_{k + 1}|B,Y_{0},\ldots ,Y_{k - 1}] = Z_{k}

Considérons \(\mathbb{E}[Y_{\infty}|B,Y_{0},Y_{1},\ldots ]\)

Puisque \(Y_{\infty}\) est mesurable par rapport à \(\sigma (A,Z_{0},Z_{1},\ldots)\), cela ne se simplifie pas facilement.

Supposons que \(Y_{\infty}\neq Z_{\infty}\) sur un ensemble de mesure positive.

Considérons le cas où \(A\) et \(B\) sont triviales.

Alors \(Y_{k} = \mathbb{E}[X|\sigma (Z_{0},\ldots ,Z_{k - 1})]\) et \(Z_{k} = \mathbb{E}[X|\sigma (Y_{0},\ldots ,Y_{k - 1})]\)

Soit \(\mathcal{H}{\infty} = \sigma (A\cup B\cup \{Y{i},Z_{i}\}_{i\geq 0})\)

Considérons \(\mathbb{E}[X|\mathcal{H}_{\infty}]\)

Nous avons \(Y_{\infty} = \mathbb{E}[X|\sigma (A,Z_{0},Z_{1},\ldots)]\)

Par les propriétés de l'espérance conditionnelle, \(\mathbb{E}[Y_{\infty}|\mathcal{A}] = \mathbb{E}[\mathbb{E}[X|\mathcal{A},Z_{0},Z_{1},\ldots ]|\mathcal{A}]\)

Considérons la tribu \(D\) engendrée par toutes les variables aléatoires impliquées.

D=σ(A∪B∪{Yi}i≥0∪{Zi}i≥0)D = \sigma (A\cup B\cup \{Y_{i}\}{i\geq 0}\cup \{Z{i}\}_{i\geq 0})

Soit \(M_{\infty} = \mathbb{E}[X|A\vee B]\)

Considérons les limites. Lorsque \(n\to \infty\), σ(A,Z0,…,Zn−1)↑σ(A,Z0,Z1,…)\sigma (A,Z_{0},\ldots ,Z_{n - 1})\uparrow \sigma (A,Z_{0},Z_{1},\ldots)

Lorsque \(n\to \infty\), σ(B,Y0,…,Yn−1)↑σ(B,Y0,Y1,…)\sigma (B,Y_{0},\ldots ,Y_{n - 1})\uparrow \sigma (B,Y_{0},Y_{1},\ldots)

Soit Y∞=σ(A,Z0,Z1,…)Y_{\infty} = \sigma (A,Z_{0},Z_{1},\ldots) et Z∞=σ(B,Y0,Y1,…)Z_{\infty} = \sigma (B,Y_{0},Y_{1},\ldots)

Nous avons Y∞=E[X∣Y∞]Y_{\infty} = \mathbb{E}[X|Y_{\infty}] et Z∞=E[X∣Z∞]Z_{\infty} = \mathbb{E}[X|Z_{\infty}]

Considérons E[Y∞−Z∞]2=E[(Y∞−X)+(X−Z∞)]2\mathbb{E}[Y_{\infty} - Z_{\infty}]^{2} = \mathbb{E}[(Y_{\infty} - X) + (X - Z_{\infty})]^{2}

=E[(Y∞−X)2]+E[(X−Z∞)2]+2E[(Y∞−X)(X−Z∞)]= \mathbb{E}[(Y_{\infty} - X)^{2}] + \mathbb{E}[(X - Z_{\infty})^{2}] + 2\mathbb{E}[(Y_{\infty} - X)(X - Z_{\infty})]
=E[(X−E[X∣Y∞])2]+E[(X−E[X∣Z∞])2]+2E[Y∞X−Y∞Z∞−X2+XZ∞]= \mathbb{E}[(X - \mathbb{E}[X|Y_{\infty}])^{2}] + \mathbb{E}[(X - \mathbb{E}[X|Z_{\infty}])^{2}] + 2\mathbb{E}[Y_{\infty}X - Y_{\infty}Z_{\infty} - X^{2} + XZ_{\infty}]
=E[X2]−E[Y∞2]+E[X2]−E[Z∞2]+2E[Y∞X]−2E[Y∞Z∞]−2E[X2]+2E[XZ∞]= \mathbb{E}[X^{2}] - \mathbb{E}[Y_{\infty}^{2}] + \mathbb{E}[X^{2}] - \mathbb{E}[Z_{\infty}^{2}] + 2\mathbb{E}[Y_{\infty}X] - 2\mathbb{E}[Y_{\infty}Z_{\infty}] - 2\mathbb{E}[X^{2}] + 2\mathbb{E}[XZ_{\infty}]
=−E[Y∞2]−E[Z∞2]+2E[Y∞2]−2E[Y∞Z∞]+2E[Z∞2]= -\mathbb{E}[Y_{\infty}^{2}] - \mathbb{E}[Z_{\infty}^{2}] + 2\mathbb{E}[Y_{\infty}^{2}] - 2\mathbb{E}[Y_{\infty}Z_{\infty}] + 2\mathbb{E}[Z_{\infty}^{2}]
=E[Y∞2]+E[Z∞2]−2E[Y∞Z∞]= \mathbb{E}[Y_{\infty}^{2}] + \mathbb{E}[Z_{\infty}^{2}] - 2\mathbb{E}[Y_{\infty}Z_{\infty}]

Considérons la tribu C=σ(A∪B)C = \sigma (A\cup B)

Soit W=E[X∣C]W = \mathbb{E}[X|C]

Considérons la tribu limite engendrée par toute l'information.

Soit F∞=σ(A,B,Y0,Z0,Y1,Z1,…)F_{\infty} = \sigma (A,B,Y_{0},Z_{0},Y_{1},Z_{1},\ldots)

Alors Y∞⊆F∞Y_{\infty}\subseteq F_{\infty} et Z∞⊆F∞Z_{\infty}\subseteq F_{\infty}

Nous avons E[X∣Y∞]=Y∞\mathbb{E}[X|Y_{\infty}] = Y_{\infty} et E[X∣Z∞]=Z∞\mathbb{E}[X|Z_{\infty}] = Z_{\infty}

Considérons E[Y∞∣Z∞]\mathbb{E}[Y_{\infty}|Z_{\infty}] et E[Z∞∣Y∞]\mathbb{E}[Z_{\infty}|Y_{\infty}]

Soit H=σ(A∪B)\mathcal{H} = \sigma (A\cup B)

Considérons E[X∣H]\mathbb{E}[X|\mathcal{H}]

Considérons la suite de paires (Yk,Zk)(Y_{k},Z_{k})

Si les limites sont identiques, alors pour toute fonction mesurable bornée ff , E[f(Y∞)]=E[f(Z∞)]\mathbb{E}[f(Y_{\infty})] = \mathbb{E}[f(Z_{\infty})]

Considérons la tribu D=σ(A∪B∪σ(Y0,Z0,…))D = \sigma (A\cup B\cup \sigma (Y_{0},Z_{0},\ldots))

Alors Y∞Y_{\infty} et Z∞Z_{\infty} sont toutes deux mesurables par rapport à DD

Considérons E[(Yn−Zn)2]\mathbb{E}[(Y_{n} - Z_{n})^{2}]

Soit G=σ(A∪B)G = \sigma (A\cup B)

Considérons W=E[X∣G]W = \mathbb{E}[X|G]

Alors E[W∣A]=E[X∣A]\mathbb{E}[W|A] = \mathbb{E}[X|A] et E[W∣B]=E[X∣B]\mathbb{E}[W|B] = \mathbb{E}[X|B]Considérons la tribu limite \(\mathcal{L} = \sigma (\mathcal{A} \cup \mathcal{B} \cup \sigma (Y_{0}, Z_{0}, \ldots))\) .

Nous avons Y∞=E[X∣σ(A,Z0,Z1,…)]Y_{\infty} = \mathbb{E}[X|\sigma (\mathcal{A}, Z_{0}, Z_{1}, \ldots)] et Z∞=E[X∣σ(B,Y0,Y1,…)]Z_{\infty} = \mathbb{E}[X|\sigma (B, Y_{0}, Y_{1}, \ldots)] .

Soit M=σ(A,Z0,Z1,…)∨σ(B,Y0,Y1,…)\mathcal{M} = \sigma (\mathcal{A}, Z_{0}, Z_{1}, \ldots) \vee \sigma (B, Y_{0}, Y_{1}, \ldots) .

Considérons E[X∣M]\mathbb{E}[X|\mathcal{M}] .

Considérons la variable aléatoire XX . Alors Y∞=lim⁡nE[X∣Fn]Y_{\infty} = \lim_{n} \mathbb{E}[X|\mathcal{F}{n}] et Z∞=lim⁡nE[X∣Gn]Z{\infty} = \lim_{n} \mathbb{E}[X|\mathcal{G}_{n}] .

Soit H∞=σ(A∪B∪σ(Y0,Z0,…))\mathcal{H}{\infty} = \sigma (\mathcal{A} \cup \mathcal{B} \cup \sigma (Y{0}, Z_{0}, \ldots)) .

Considérons E={ω:Y∞(ω)≠Z∞(ω)}E = \{\omega : Y_{\infty}(\omega) \neq Z_{\infty}(\omega)\} . Supposons P(E)>0P(E) > 0 .

Considérons l'espérance conditionnelle par rapport à la jointure des tribus.

Soit C∞=σ(A,B,Y0,Z0,…)C_{\infty} = \sigma (\mathcal{A}, B, Y_{0}, Z_{0}, \ldots) .

Considérons E[X∣C∞]\mathbb{E}[X|C_{\infty}] .

Alors E[E[X∣C∞]∣A,Z0,…]=E[X∣A,Z0,…]=Yn+1\mathbb{E}[\mathbb{E}[X|C_{\infty}]|\mathcal{A}, Z_{0}, \ldots ] = \mathbb{E}[X|\mathcal{A}, Z_{0}, \ldots ] = Y_{n + 1} .

Et E[E[X∣C∞]∣B,Y0,…]=E[X∣B,Y0,…]=Zn+1\mathbb{E}[\mathbb{E}[X|C_{\infty}]|B, Y_{0}, \ldots ] = \mathbb{E}[X|B, Y_{0}, \ldots ] = Z_{n + 1} .

Donc Y∞=E[X∣σ(A,Z0,Z1,…)]Y_{\infty} = \mathbb{E}[X|\sigma (\mathcal{A}, Z_{0}, Z_{1}, \ldots)] et Z∞=E[X∣σ(B,Y0,Y1,…)]Z_{\infty} = \mathbb{E}[X|\sigma (B, Y_{0}, Y_{1}, \ldots)] .

Soit F∞=σ(A,Z0,Z1,…)\mathcal{F}{\infty} = \sigma (\mathcal{A}, Z{0}, Z_{1}, \ldots) et G∞=σ(B,Y0,Y1,…)G_{\infty} = \sigma (B, Y_{0}, Y_{1}, \ldots) .

Considérons E[X∣F∞∨G∞]\mathbb{E}[X|\mathcal{F}{\infty} \vee G{\infty}] .

Alors E[E[X∣F∞∨G∞]∣F∞]=E[X∣F∞]=Y∞\mathbb{E}[\mathbb{E}[X|\mathcal{F}{\infty} \vee G{\infty}]|\mathcal{F}{\infty}] = \mathbb{E}[X|\mathcal{F}{\infty}] = Y_{\infty} .

Et E[E[X∣F∞∨G∞]∣G∞]=E[X∣G∞]=Z∞\mathbb{E}[\mathbb{E}[X|\mathcal{F}{\infty} \vee G{\infty}]|G_{\infty}] = \mathbb{E}[X|G_{\infty}] = Z_{\infty} .

Cela signifie que Y∞=E[X∣F∞∨G∞]Y_{\infty} = \mathbb{E}[X|\mathcal{F}{\infty} \vee G{\infty}] p.s. et Z∞=E[X∣F∞∨G∞]Z_{\infty} = \mathbb{E}[X|\mathcal{F}{\infty} \vee G{\infty}] p.s.

Par conséquent, Y∞=Z∞Y_{\infty} = Z_{\infty} p.s.

Solution :

(a) Pour la suite YkY_{k} , les σ\sigma -algèbres Fk=σ(A,Z0,…,Zk−1)\mathcal{F}{k} = \sigma (\mathcal{A}, Z{0}, \ldots , Z_{k - 1}) sont croissantes lorsque kk augmente. Puisque XX est intégrable, par le théorème de convergence des martingales pour les espérances conditionnelles, la suite Yk=E[X∣Fk]Y_{k} = \mathbb{E}[X|\mathcal{F}{k}] converge presque sûrement et dans L1L^{1} vers Y∞=E[X∣σ(A,Z0,Z1,…)]Y{\infty} = \mathbb{E}[X|\sigma (\mathcal{A}, Z_{0}, Z_{1}, \ldots)] . De même, pour la suite ZkZ_{k} , les σ\sigma -algèbres Gk=σ(B,Y0,…,Yk−1)G_{k} = \sigma (B, Y_{0}, \ldots , Y_{k - 1}) sont croissantes. Puisque XX est intégrable, par le théorème de convergence des martingales, la suite Zk=E[X∣Gk]Z_{k} = \mathbb{E}[X|G_{k}] converge presque sûrement et dans L1L^{1} vers Z∞=E[X∣σ(B,Y0,Y1,…)]Z_{\infty} = \mathbb{E}[X|\sigma (B, Y_{0}, Y_{1}, \ldots)] .

(b) Soit F∞=σ(A,Z0,Z1,…)\mathcal{F}{\infty} = \sigma (\mathcal{A}, Z{0}, Z_{1}, \ldots) et G∞=σ(B,Y0,Y1,…)G_{\infty} = \sigma (B, Y_{0}, Y_{1}, \ldots) . On a Y∞=E[X∣F∞]Y_{\infty} = \mathbb{E}[X|\mathcal{F}{\infty}] et Z∞=E[X∣G∞]Z{\infty} = \mathbb{E}[X|G_{\infty}] . Considérons la σ\sigma -algèbre H=F∞∨G∞=σ(A,B,Y0,Z0,Y1,Z1,…)\mathcal{H} = \mathcal{F}{\infty} \vee G{\infty} = \sigma (\mathcal{A}, B, Y_{0}, Z_{0}, Y_{1}, Z_{1}, \ldots) . Considérons W=E[X∣H]W = \mathbb{E}[X|\mathcal{H}] .

On a F∞⊆H\mathcal{F}{\infty} \subseteq \mathcal{H} , donc E[W∣F∞]=E[E[X∣H]∣F∞]=E[X∣F∞]=Y∞\mathbb{E}[W|\mathcal{F}{\infty}] = \mathbb{E}[\mathbb{E}[X|\mathcal{H}]|\mathcal{F}{\infty}] = \mathbb{E}[X|\mathcal{F}{\infty}] = Y_{\infty} .

Puisque WW est H\mathcal{H}-mesurable, E[W∣F∞]=Y∞\mathbb{E}[W|\mathcal{F}{\infty}] = Y{\infty} implique que Y∞Y_{\infty} est l'espérance conditionnelle de WW sachant F∞\mathcal{F}{\infty}. Mais comme Y∞Y{\infty} est déjà F∞\mathcal{F}{\infty}-mesurable, on a E[W∣F∞]=W\mathbb{E}[W|\mathcal{F}{\infty}] = W si WW est F∞\mathcal{F}_{\infty}-mesurable, ce qui n'est pas nécessairement vrai.

Cependant, nous savons que E[Y∞∣F∞]=Y∞\mathbb{E}[Y_{\infty}|\mathcal{F}{\infty}] = Y{\infty} et E[Z∞∣G∞]=Z∞\mathbb{E}[Z_{\infty}|G_{\infty}] = Z_{\infty}.

Considérons E[X∣F∞∨G∞]\mathbb{E}[X|\mathcal{F}{\infty} \vee G{\infty}].

Alors E[E[X∣F∞∨G∞]∣F∞]=E[X∣F∞]=Y∞\mathbb{E}[\mathbb{E}[X|\mathcal{F}{\infty} \vee G{\infty}]|\mathcal{F}{\infty}] = \mathbb{E}[X|\mathcal{F}{\infty}] = Y_{\infty}.

Cela implique que E[X∣F∞∨G∞]∣G∞]=E[X∣G∞]=Z∞\mathbb{E}[X|\mathcal{F}{\infty} \vee G{\infty}]|G_{\infty}] = \mathbb{E}[X|G_{\infty}] = Z_{\infty}.

De même, E[E[X∣F∞∨G∞]∣G∞]=E[X∣G∞]=Z∞\mathbb{E}[\mathbb{E}[X|\mathcal{F}{\infty} \vee G{\infty}]|G_{\infty}] = \mathbb{E}[X|G_{\infty}] = Z_{\infty}.

Cela implique que E[X∣F∞∨G∞]=Z∞\mathbb{E}[X|\mathcal{F}{\infty} \vee G{\infty}] = Z_{\infty} presque sûrement.

Par conséquent, Y∞=Z∞Y_{\infty} = Z_{\infty} presque sûrement.

Réponse finale : La réponse finale est [Y∞=Z∞]\left[Y_{\infty} = Z_{\infty}\right]

Tableau 10. échantillon s1K issu des teasers s1-. Le texte en noir est la question et le texte en jaune est la solution. À partir de la seule question, nous générons la trace de raisonnement en bleu clair et la réponse en bleu avec Gemini, que nous utilisons pour l'entraînement.

Alice et Bob ont chacun une pièce et la lancent jusqu'à obtenir un face. Si Bob a lancé sa pièce plus de fois qu'Alice, quel est le nombre attendu de fois qu'Alice a lancé sa pièce ?

4/3

Le problème demande le nombre attendu de fois qu'Alice a lancé sa pièce, étant donné que Bob a lancé sa pièce plus de fois qu'Alice.

Soit XX le nombre de lancers qu'Alice effectue jusqu'à obtenir un face.

Soit YY le nombre de lancers que Bob effectue jusqu'à obtenir un face.

XX et YY sont des variables aléatoires indépendantes suivant une loi géométrique de paramètre p=0,5p = 0,5 (probabilité d'obtenir un face).

La fonction de masse de probabilité d'une loi géométrique est P(K=k)=(1−p)k−1pP(K = k) = (1 - p)^{k - 1}p, pour k=1,2,…k = 1,2,\ldots

Dans ce cas, p=0,5p = 0,5, donc P(K=k)=(0,5)k−1(0,5)=(0,5)k=12kP(K = k) = (0,5)^{k - 1}(0,5) = (0,5)^{k} = \frac{1}{2^{k}}.

On nous donne la condition que Bob a lancé sa pièce plus de fois qu'Alice, ce qui signifie Y>XY > X.

Nous voulons trouver l'espérance de XX sachant que Y>XY > X, c'est-à-dire E[X∣Y>X]E[X|Y > X].

La formule de l'espérance conditionnelle est E[X∣A]=∑xxP(X=x∣A)E[X|A] = \sum_{x}xP(X = x|A).

De plus, P(X=x∣A)=P(X=x∩A)P(A)P(X = x|A) = \frac{P(X = x\cap A)}{P(A)}.

Dans notre cas, AA est l'événement Y>XY > X.

Nous devons trouver P(Y>X)P(Y > X).

P(Y>X)=∑x=1∞∑y=x+1∞P(X=x,Y=y)P(Y > X) = \sum_{x = 1}^{\infty}\sum_{y = x + 1}^{\infty}P(X = x,Y = y)

Puisque XX et YY sont indépendantes, P(X=x,Y=y)=P(X=x)P(Y=y)=12x12y=12x+yP(X = x,Y = y) = P(X = x)P(Y = y) = \frac{1}{2^{x}}\frac{1}{2^{y}} = \frac{1}{2^{x + y}}.

P(Y>X)=∑x=1∞∑y=x+1∞12x+y=∑x=1∞12x∑y=x+1∞12yP(Y > X) = \sum_{x = 1}^{\infty}\sum_{y = x + 1}^{\infty}\frac{1}{2^{x + y}} = \sum_{x = 1}^{\infty}\frac{1}{2^{x}}\sum_{y = x + 1}^{\infty}\frac{1}{2^{y}}

La somme intérieure est une série géométrique : ∑y=x+1∞(12)y=(12)x+1+(12)x+2+…\sum_{y = x + 1}^{\infty}\left(\frac{1}{2}\right)^{y} = \left(\frac{1}{2}\right)^{x + 1} + \left(\frac{1}{2}\right)^{x + 2} + \ldots

Il s'agit d'une série géométrique de premier terme a=(12)x+1a = \left(\frac{1}{2}\right)^{x + 1} et de raison r=12r = \frac{1}{2} .

La somme est a1−r=(12)x+111−12=(12)x+112=(12)x\frac{a}{1 - r} = \frac{\left(\frac{1}{2}\right)^{x + 1}}{\frac{1}{1 - \frac{1}{2}}} = \frac{\left(\frac{1}{2}\right)^{x + 1}}{\frac{1}{2}} = \left(\frac{1}{2}\right)^{x} .

Ainsi, P(Y>X)=∑x=1∞12x(12)x=∑x=1∞(14)xP(Y > X) = \sum_{x = 1}^{\infty}\frac{1}{2^{x}}\left(\frac{1}{2}\right)^{x} = \sum_{x = 1}^{\infty}\left(\frac{1}{4}\right)^{x} .

C'est une autre série géométrique de premier terme a=14a = \frac{1}{4} et de raison r=14r = \frac{1}{4} .

La somme est a1−r=1411−14=1414=13\frac{a}{1 - r} = \frac{\frac{1}{4}}{\frac{1}{1 - \frac{1}{4}}} = \frac{\frac{1}{4}}{\frac{1}{4}} = \frac{1}{3} .

Maintenant, nous devons trouver P(X=x∩Y>X)=P(X=x,Y>x)P(X = x\cap Y > X) = P(X = x,Y > x) .

P(X=x,Y>x)=P(X=x)P(Y>x)P(X = x,Y > x) = P(X = x)P(Y > x) , en raison de l'indépendance.

P(Y>x)=∑x=1∞P(Y=y)=∑x=1∞12y=(12)x+1+(12)x+2+⋯=(12)xP(Y > x) = \sum_{x = 1}^{\infty}P(Y = y) = \sum_{x = 1}^{\infty}\frac{1}{2^{y}} = \left(\frac{1}{2}\right)^{x + 1} + \left(\frac{1}{2}\right)^{x + 2} + \dots = \left(\frac{1}{2}\right)^{x} .

Ainsi, P(X=x,Y>x)=12x×(12)x=(14)xP(X = x,Y > x) = \frac{1}{2^{x}}\times \left(\frac{1}{2}\right)^{x} = \left(\frac{1}{4}\right)^{x} .

Maintenant, nous pouvons trouver P(X=x∣Y>X)=P(X=x∩Y>X)P(Y>X)=(14)x3=3(14)xP(X = x|Y > X) = \frac{P(X = x\cap Y > X)}{P(Y > X)} = \frac{\left(\frac{1}{4}\right)^{x}}{3} = 3\left(\frac{1}{4}\right)^{x} .

Enfin, nous pouvons calculer l'espérance conditionnelle :

E[X∣Y>X]=∑x=1∞xP(X=x∣Y>X)=∑x=1∞x⋅3(14)x=3∑x=1∞x(14)x.E[X|Y > X] = \sum_{x = 1}^{\infty}xP(X = x|Y > X) = \sum_{x = 1}^{\infty}x\cdot 3\left(\frac{1}{4}\right)^{x} = 3\sum_{x = 1}^{\infty}x\left(\frac{1}{4}\right)^{x}.

Considérons la série S=∑x=1∞xrxS = \sum_{x = 1}^{\infty}xr^{x} , où ∣r∣<1|r|< 1 .

S=r+2r2+3r3+4r4+…S = r + 2r^{2} + 3r^{3} + 4r^{4} + \ldots
Sr=1+2r+3r2+4r3+…\frac{S}{r} = 1 + 2r + 3r^{2} + 4r^{3} + \ldots

Considérons la série géométrique G=1+r+r2+r3+⋯=11−rG = 1 + r + r^{2} + r^{3} + \dots = \frac{1}{1 - r} .

En dérivant par rapport à rr :

dGdr=1+2r+3r2+4r3+⋯=ddr(11−r)=1(1−r)2.\frac{dG}{dr} = 1 + 2r + 3r^{2} + 4r^{3} + \dots = \frac{d}{dr}\left(\frac{1}{1 - r}\right) = \frac{1}{(1 - r)^{2}}.

Ainsi, Sr=1(1−r)2\frac{S}{r} = \frac{1}{(1 - r)^{2}} , ce qui signifie S=r(1−r)2S = \frac{r}{(1 - r)^{2}} .

Dans notre cas, r=14r = \frac{1}{4} .

∑X=1∞x(14)x=14(1−14)2=14(34)2=149=14×169=49.\sum_{X = 1}^{\infty}x(\frac{1}{4})^{x} = \frac{\frac{1}{4}}{(1 - \frac{1}{4})^{2}} = \frac{\frac{1}{4}}{(\frac{3}{4})^{2}} = \frac{\frac{1}{4}}{9} = \frac{1}{4}\times \frac{16}{9} = \frac{4}{9}.

Par conséquent, E[X∣Y>X]=3×49=129=43E[X|Y > X] = 3\times \frac{4}{9} = \frac{12}{9} = \frac{4}{3}

Approche alternative : Symétrie.

Considérons les événements Y>XY > X , X>YX > Y , et X=YX = Y .

P(Y>X)=P(X>Y)P(Y > X) = P(X > Y) par symétrie.

P(X=Y)=∑k=1∞P(X=k,Y=k)=∑k=1∞P(X=k)P(Y=k)=∑k=1∞(12k)2=∑k=1∞(14)k=11−14=1413=13.P(X = Y) = \sum_{k = 1}^{\infty}P(X = k,Y = k) = \sum_{k = 1}^{\infty}P(X = k)P(Y = k) = \sum_{k = 1}^{\infty}(\frac{1}{2^{k}})^{2} = \sum_{k = 1}^{\infty}(\frac{1}{4})^{k} = \frac{1}{1 - \frac{1}{4}} = \frac{1}{4}\frac{1}{3} = \frac{1}{3}.

Nous avons P(Y>X)+P(X>Y)+P(X=Y)=1P(Y > X) + P(X > Y) + P(X = Y) = 1 .

P(Y>X)+P(Y>X)+13=1.P(Y > X) + P(Y > X) + \frac{1}{3} = 1.
2P(Y>X)=1−13=23.2P(Y > X) = 1 - \frac{1}{3} = \frac{2}{3}.

P(Y>X)=13P(Y > X) = \frac{1}{3} . Cela confirme notre calcul précédent.

Soit E[X∣Y>X]=μE[X|Y > X] = \mu .

Nous cherchons le nombre attendu de lancers effectués par Alice, étant donné que Bob a lancé plus de fois.

Considérons le cas où le premier lancer des deux donne pile. Alors le processus recommence, et la condition reste la même.

Soit A1A_{1} le premier lancer d'Alice, B1B_{1} le premier lancer de Bob.

P(A1=H)=1/2,P(A1=T)=1/2.P(A_{1} = H) = 1 / 2,P(A_{1} = T) = 1 / 2.
P(B1=H)=1/2,P(B1=T)=1/2.P(B_{1} = H) = 1 / 2,P(B_{1} = T) = 1 / 2.

Cas 1 : A1=H,B1=H.X=1,Y=1A_{1} = H,B_{1} = H.X = 1,Y = 1 , donc Y>XY > X est faux.

Cas 2 : A1=H,B1=TA_{1} = H,B_{1} = T . Alice s'arrête à 1, Bob continue. Y>1Y > 1

Cas 3 : A1=T,B1=HA_{1} = T,B_{1} = H . Bob s'arrête à 1, Alice continue.

Cas 4 : A1=T,B1=TA_{1} = T,B_{1} = T . Les deux continuent.

Considérons les probabilités conditionnelles sachant Y>XY > X .

Soit E=E[X∣Y>X]E = E[X|Y > X] .

Si les premiers lancers sont HH, la condition Y>XY > X n'est pas remplie.

Si les premiers lancers sont HT, le nombre de lancers d'Alice est 1.

Si les premiers lancers sont TH, le nombre de lancers de Bob est 1, celui d'Alice est au moins 2, donc Y<XY < X .

Si les premiers lancers sont TT, le problème recommence, et le nombre attendu de lancers supplémentaires pour Alice est toujours EE .

Soit NAN_{A} le nombre de lancers effectués par Alice, NBN_{B} le nombre de lancers effectués par Bob.

On sait que NB>NAN_{B} > N_{A} .

Considérons les premiers lancers :

HH (probabilité 1/4) : condition non remplie.

HT (probabilité 1/4) : Alice lance 1 fois.

TH (probabilité 1/4) : Bob lance 1 fois, Alice >1>1 , donc NA>NBN_{A} > N_{B} , condition non remplie.

TT (probabilité 1/4) : les deux continuent.

Soit EE le nombre attendu de lancers d'Alice sachant que Bob a lancé plus de fois.

Si les premiers lancers sont HT, Alice a lancé 1 fois, et la condition est remplie.

Si les premiers lancers sont TT, la situation est la même qu'au début, donc le nombre attendu de lancers supplémentaires pour Alice est EE .

Considérons l'événement Y>XY > X .

En conditionnant sur les premiers lancers :

E[X∣Y>X]=E[X∣Y>X,HH]P(HH∣Y>X)+E[X∣Y>X,HT]P(HT∣Y>X)+E[X∣Y>X,TH]P(TH∣Y>X)E[X|Y > X] = E[X|Y > X,H H]P(H H|Y > X) + E[X|Y > X,H T]P(H T|Y > X) + E[X|Y > X,T H]P(T H|Y > X)
X)+E[X∣Y>X,TT]P(TT∣Y>X)X) + E[X|Y > X,T T]P(T T|Y > X)
P(Y>X∣HH)=0.P(Y > X|H H) = 0.
P(Y>X∣HT)=1.P(Y > X|H T) = 1.
P(Y>X∣TH)=0.P(Y > X|T H) = 0.

P(Y>X∣TT)P(Y > X|T T) dépend des lancers futurs.

Utilisons directement la définition de l'espérance conditionnelle.

E[X∣Y>X]=∑x=1∞xP(X=x∣Y>X)=∑x=1∞xP(X=x,Y>x)P(Y>X)E[X|Y > X] = \sum_{x = 1}^{\infty}x P(X = x|Y > X) = \sum_{x = 1}^{\infty}x\frac{P(X = x,Y > x)}{P(Y > X)}

(1>λ)

Considérons les probabilités des premiers lancers sachant Y>XY > X .

P(HH∣Y>X)=P(Y>X∣HH)P(HH)P(Y>X)=0.1/41/3=0.P(H H|Y > X) = \frac{P(Y > X|H H)P(H H)}{P(Y > X)} = \frac{0.1 / 4}{1 / 3} = 0.
P(HT∣Y>X)=P(Y>X∣HT)P(HT)P(Y>X)=1.1/41/3=34.P(H T|Y > X) = \frac{P(Y > X|H T)P(H T)}{P(Y > X)} = \frac{1.1 / 4}{1 / 3} = \frac{3}{4}.
P(TH∣Y>X)=P(Y>X∣TH)P(TH)P(Y>X)=0.1/41/3=0.P(TT∣Y>X)=P(Y>X∣TT)P(TT)P(Y>X)\begin{array}{c} P(T H|Y > X) = \frac{P(Y > X|T H)P(T H)}{P(Y > X)} = \frac{0.1 / 4}{1 / 3} = 0. \\ P(T T|Y > X) = \frac{P(Y > X|T T)P(T T)}{P(Y > X)} \end{array}

Si les premiers lancers sont TT, le comportement futur est le même, et la condition Y>XY > X est vérifiée si Bob effectue plus de lancers qu'Alice dans les essais suivants.

P(Y>X∣TT)=P(BobP(Y > X|T T) = P(\mathrm{Bob} a besoin de plus de lancers qu'Alice en repartant de zéro) =P(Y>X)=1/3= P(Y > X) = 1 / 3

P(TT∣Y>X)=(1/3)⋅(1/4)1/3=14P(T T|Y > X) = \frac{(1 / 3)\cdot(1 / 4)}{1 / 3} = \frac{1}{4}

Somme des probabilités conditionnelles : 0+3/4+0+1/4=10 + 3 / 4 + 0 + 1 / 4 = 1

Considérons maintenant les espérances conditionnelles de XX

E[X∣Y>X,HH]E[X|Y > X, H H] : Non pertinent puisque P(HH∣Y>X)=0P(H H|Y > X) = 0

E[X∣Y>X,HT]E[X|Y > X, H T] : Sachant HT et Y>XY > X , Alice a lancé 1 fois. E=1E = 1

E[X∣Y>X,TH]E[X|Y > X, T H] : Non pertinent.

E[X∣Y>X,TT]E[X|Y > X, T T] : Sachant TT et Y>XY > X , Alice a déjà lancé une fois, et le nombre attendu de lancers supplémentaires est EE . Donc, le nombre total de lancers est 1+E1 + E .

E=0⋅0+1⋅(3/4)+E = 0\cdot 0 + 1\cdot (3 / 4) + indéfini ⋅0+(1+E)⋅(1/4)\cdot 0 + (1 + E)\cdot (1 / 4)

E=0+3/4+0+1/4+E/4E = 0 + 3 / 4 + 0 + 1 / 4 + E / 4

E=1+E/4E = 1 + E / 4

E−E/4=1E - E / 4 = 1

3E/4=13E / 4 = 1

E=4/3E = 4 / 3

Cela confirme le résultat précédent.

Réfléchissons à l'intuition. Si nous avons la condition Y>XY > X , cela signifie qu'Alice a été « chanceuse » et a obtenu un face tôt, ou que Bob a été « malchanceux ».

Considérons la variable aléatoire Z=Y−XZ = Y - X . On nous donne Z>0Z > 0 .

Nous voulons E[X∣Z>0]E[X|Z > 0] .

Soit p=P(face)=0.5p = P(\mathrm{face}) = 0.5 .

Le nombre de piles avant le premier face suit une distribution géométrique de paramètre pp .

X−1∼Geom(p)X - 1\sim G e o m(p) , Y−1∼Geom(p)Y - 1\sim G e o m(p) .

P(X−1=k)=(1−p)kpP(X - 1 = k) = (1 - p)^{k}p .

P(X=x)=(1−p)x−1pP(X = x) = (1 - p)^{x - 1}p .

Considérons la distribution conjointe de XX et YY .

P(X=x,Y=y)=p2(1−p)x−1(1−p)y−1P(X = x, Y = y) = p^{2}(1 - p)^{x - 1}(1 - p)^{y - 1}

Considérons l'événement Y=X+kY = X + k , où k≥1k \geq 1 .

P(Y=X+k)=∑x=1∞P(X=x,Y=x+k)=∑x=1∞p2(1−p)x−1(1−p)x+k−1=p2(1−p)k−1∑x=1∞((1−p)2)x−1=p2(1−p)k−111−(1−p)2=p2(1−p)k−111−(1−2p+p2)=p2(1−p)k−112p−p2=p2(1−p)k−11p(2−p)=p(1−p)k−12−p.\begin{array}{c} P(Y = X + k) = \sum_{x = 1}^{\infty}P(X = x,Y = x + k) = \sum_{x = 1}^{\infty}p^{2}(1 - p)^{x - 1}(1 - p)^{x + k - 1} \\ = p^{2}(1 - p)^{k - 1}\sum_{x = 1}^{\infty}((1 - p)^{2})^{x - 1} = p^{2}(1 - p)^{k - 1}\frac{1}{1 - (1 - p)^{2}} \\ = p^{2}(1 - p)^{k - 1}\frac{1}{1 - (1 - 2p + p^{2})} = p^{2}(1 - p)^{k - 1}\frac{1}{2p - p^{2}} = p^{2}(1 - p)^{k - 1}\frac{1}{p(2 - p)} \\ = \frac{p(1 - p)^{k - 1}}{2 - p}. \end{array}

Si p=0.5p = 0.5 , alors 1−p=0.51 - p = 0.5 , 2−p=1.52 - p = 1.5 .

P(Y=X+k)=0.5(0.5)k−11.5=(0.5)k1.5=(1/2)k3/2=12k⋅23=13.2k−1.P(Y = X + k) = \frac{0.5(0.5)^{k - 1}}{1.5} = \frac{(0.5)^{k}}{1.5} = \frac{(1 / 2)^{k}}{3 / 2} = \frac{1}{2^{k}}\cdot \frac{2}{3} = \frac{1}{3.2^{k - 1}}.

Vérifions si ∑k=1∞P(Y=X+k)=P(Y>X)=1/3\sum_{k = 1}^{\infty}P(Y = X + k) = P(Y > X) = 1 / 3 .

∑k=1∞13.2k−1=13∑k=1∞(12)k−1=13(1+1/2+1/4+…)=1311−1/2=13⋅2=23.\sum_{k = 1}^{\infty}\frac{1}{3.2^{k - 1}} = \frac{1}{3}\sum_{k = 1}^{\infty}(\frac{1}{2})^{k - 1} = \frac{1}{3} (1 + 1 / 2 + 1 / 4 + \ldots) = \frac{1}{3}\frac{1}{1 - 1 / 2} = \frac{1}{3}\cdot 2 = \frac{2}{3}.

Quelque chose ne va pas ici.

Recalculons P(Y>X)P(Y > X) .

P(Y>X)=∑x=1∞∑y=x+1∞(1−p)x−1p(1−p)y−1p=p2∑x=1∞(1−p)x−1∑y=x+1∞(1−p)y−1\begin{array}{c} P(Y > X) = \sum_{x = 1}^{\infty}\sum_{y = x + 1}^{\infty}(1 - p)^{x - 1}p^{(1 - p)^{y - 1}}p \\ = p^{2}\sum_{x = 1}^{\infty}(1 - p)^{x - 1}\sum_{y = x + 1}^{\infty}(1 - p)^{y - 1} \end{array}

Somme interne : (1−p)x+(1−p)x+1+⋯=(1−p)x1−(1−p)=(1−p)xp(1 - p)^{x} + (1 - p)^{x + 1} + \dots = \frac{(1 - p)^{x}}{1 - (1 - p)} = \frac{(1 - p)^{x}}{p} .

P(Y>X)=p2∑x=1∞(1−p)x−1(1−p)xp=p(1−p)∑x=1∞(1−p)2(x−1)P(Y > X) = p^{2}\sum_{x = 1}^{\infty}(1 - p)^{x - 1}\frac{(1 - p)^{x}}{p} = p(1 - p)\sum_{x = 1}^{\infty}(1 - p)^{2(x - 1)}
=p(1−p)∑x=1∞((1−p)2)x−1=p(1−p)11−(1−p)2= p(1 - p)\sum_{x = 1}^{\infty}((1 - p)^{2})^{x - 1} = p(1 - p)\frac{1}{1 - (1 - p)^{2}}
=p(1−p)11−(1−2p+p2)=p(1−p)12p−p2=p(1−p)1p(2−p)=1−p2−p.= p(1 - p)\frac{1}{1 - (1 - 2p + p^{2})} = p(1 - p)\frac{1}{2p - p^{2}} = p(1 - p)\frac{1}{p(2 - p)} = \frac{1 - p}{2 - p}.

Si p=0.5p = 0.5 , P(Y>X)=0.51.5=13P(Y > X) = \frac{0.5}{1.5} = \frac{1}{3} . Correct.

Maintenant, trouvons E[X∣Y>X]E[X|Y > X] .

E[X∣Y>X]=∑x=1∞xP(X=x∣Y>X)=∑x=1∞xP(X=x,Y>x)P(Y>X).E[X|Y > X] = \sum_{x = 1}^{\infty}xP(X = x|Y > X) = \sum_{x = 1}^{\infty}x\frac{P(X = x,Y > x)}{P(Y > X)}.

P(X=x,Y>x)=P(X=x)P(Y>x)P(X = x,Y > x) = P(X = x)P(Y > x) (indépendance)

P(X=x)=(1−p)x−1p.P(X = x) = (1 - p)^{x - 1}p.
P(Y>x)=∑y=x+1∞(1−p)y−1p=p[(1−p)x+(1−p)x+1+…]=p(1−p)x1−(1−p)=(1−p)x.P(Y > x) = \sum_{y = x + 1}^{\infty}(1 - p)^{y - 1}p = p[(1 - p)^{x} + (1 - p)^{x + 1} + \ldots ] = p\frac{(1 - p)^{x}}{1 - (1 - p)} = (1 - p)^{x}.
P(X=x,Y>x)=(1−p)x−1p(1−p)x=p(1−p)2x−1.P(X = x,Y > x) = (1 - p)^{x - 1}p(1 - p)^{x} = p(1 - p)^{2x - 1}.
E[X∣Y>X]=1P(Y>X)∑x=1∞xp(1−p)2x−1E[X|Y > X] = \frac{1}{P(Y > X)}\sum_{x = 1}^{\infty}xp(1 - p)^{2x - 1}

=2−p1−pp(1−p)−1∑x=1∞x((1−p)2)x= \frac{2 - p}{1 - p} p(1 - p)^{- 1}\sum_{x = 1}^{\infty}x((1 - p)^{2})^{x} (erreur dans l'exposant)

P(Y>x)=(1−p)x1−(1−p)p=(1−p)x.P(Y > x) = \frac{(1 - p)^{x}}{1 - (1 - p)} p = (1 - p)^{x}.
E[X∣Y>X]=1P(Y>X)∑x=1∞xP(X=x)P(Y>x)E[X|Y > X] = \frac{1}{P(Y > X)}\sum_{x = 1}^{\infty}xP(X = x)P(Y > x)
=1P(Y>X)∑x=1∞x(1−p)x−1p(1−p)x= \frac{1}{P(Y > X)}\sum_{x = 1}^{\infty}x(1 - p)^{x - 1}p(1 - p)^{x}
=pP(Y>X)∑x=1∞x(1−p)2x−1= \frac{p}{P(Y > X)}\sum_{x = 1}^{\infty}x(1 - p)^{2x - 1}
=p(1−p)/(2−p)(1−p)−1∑x=1∞x((1−p)2)x= \frac{p}{(1 - p) / (2 - p)}(1 - p)^{-1}\sum_{x = 1}^{\infty}x((1 - p)^{2})^{x}
=p2−p(1−p)2∑x=1∞x((1−p)2)x.= p\frac{2 - p}{(1 - p)^{2}}\sum_{x = 1}^{\infty}x((1 - p)^{2})^{x}.

Soit r=(1−p)2r = (1 - p)^{2} . ∑x=1∞xrx=r(1−r)2\sum_{x = 1}^{\infty}xr^{x} = \frac{r}{(1 - r)^{2}} .

1−r=1−(1−p)2=1−(1−2p+p2)=2p−p2=p(2−p).1 - r = 1 - (1 - p)^{2} = 1 - (1 - 2p + p^{2}) = 2p - p^{2} = p(2 - p).
(1−r)2=p2(2−p)2.(1 - r)^{2} = p^{2}(2 - p)^{2}.
∑x=1∞x((1−p)2)x=(1−p)2p2(2−p)2.\sum_{x = 1}^{\infty}x((1 - p)^{2})^{x} = \frac{(1 - p)^{2}}{p^{2}(2 - p)^{2}}.
E[X∣Y>X]=p2−p(1−p)2(1−p)2p2(2−p)2=1p(2−p).E[X|Y > X] = p\frac{2 - p}{(1 - p)^{2}}\frac{(1 - p)^{2}}{p^{2}(2 - p)^{2}} = \frac{1}{p(2 - p)}.

Si p=0.5p = 0.5 , E[X∣Y>X]=10.5×1.5=10.75=13/4=4/3E[X|Y > X] = \frac{1}{0.5\times 1.5} = \frac{1}{0.75} = \frac{1}{3 / 4} = 4 / 3 .

Solution :

Soit XX le nombre de lancers effectués par Alice jusqu'à ce qu'elle obtienne un face, et YY le nombre de lancers effectués par Bob jusqu'à ce qu'il obtienne un face. XX et YY sont des variables aléatoires géométriques indépendantes de paramètre p=0.5p = 0.5 . La fonction de masse de probabilité est P(K=k)=(1−p)k−1pP(K = k) = (1 - p)^{k - 1}p .

Nous nous intéressons à l'espérance du nombre de fois qu'Alice a lancé sa pièce, sachant que Bob a lancé sa pièce plus de fois qu'Alice, c'est-à-dire E[X∣Y>X]E[X|Y > X] .

En utilisant la définition de l'espérance conditionnelle, E[X∣Y>X]=∑x=1∞xP(X=x∣Y>X)E[X|Y > X] = \sum_{x = 1}^{\infty}xP(X = x|Y > X) .

P(X=x∣Y>X)=P(X=x,Y>x)P(Y>X).P(X = x|Y > X) = \frac{P(X = x,Y > x)}{P(Y > X)}.

Tout d'abord, calculons P(Y>X)P(Y > X) .

P(Y>X)=∑x=1∞∑y=x+1∞P(X=x,Y=y)=∑x=1∞P(X=x)P(Y>x).P(Y > X) = \sum_{x = 1}^{\infty}\sum_{y = x + 1}^{\infty}P(X = x,Y = y) = \sum_{x = 1}^{\infty}P(X = x)P(Y > x).
P(X=x)=(0.5)x−1(0.5)=(0.5)x=12x.P(X = x) = (0.5)^{x - 1}(0.5) = (0.5)^{x} = \frac{1}{2^{x}}.
P(Y>x)=∑x=1∞x(0.5)x−1(0.5)=(0.5)x.P(Y > x) = \sum_{x = 1}^{\infty}x(0.5)^{x - 1}(0.5) = (0.5)^{x}.
P(Y>X)=∑x=1∞12x(12)x=∑x=1∞(14)x=1/41−1/4=1/43/4=13.P(Y > X) = \sum_{x = 1}^{\infty}\frac{1}{2^{x}} (\frac{1}{2})^{x} = \sum_{x = 1}^{\infty}(\frac{1}{4})^{x} = \frac{1 / 4}{1 - 1 / 4} = \frac{1 / 4}{3 / 4} = \frac{1}{3}.

Ensuite, calculons P(X=x,Y>x)=P(X=x)P(Y>x)=12x(12)x=(14)xP(X = x,Y > x) = P(X = x)P(Y > x) = \frac{1}{2^{x}} (\frac{1}{2})^{x} = (\frac{1}{4})^{x} .

Maintenant, trouvons P(X=x∣Y>X)=P(X=x,Y>x)P(Y>X)=(1/4)x1/3=3(14)xP(X = x|Y > X) = \frac{P(X = x,Y > x)}{P(Y > X)} = \frac{(1 / 4)^{x}}{1 / 3} = 3(\frac{1}{4})^{x} .

Enfin, calculons l'espérance conditionnelle :

E[X∣Y>X]=∑x=1∞xP(X=x∣Y>X)=∑x=1∞x⋅3(14)x=3∑x=1∞x(14)x.E[X|Y > X] = \sum_{x = 1}^{\infty}xP(X = x|Y > X) = \sum_{x = 1}^{\infty}x\cdot 3(\frac{1}{4})^{x} = 3\sum_{x = 1}^{\infty}x(\frac{1}{4})^{x}.

En utilisant la formule ∑x=1∞xrx=r(1−r)2\sum_{x = 1}^{\infty}xr^{x} = \frac{r}{(1 - r)^{2}} avec r=1/4r = 1 / 4 :

∑x=1∞x(14)x=1/4(1−1/4)2=1/4(3/4)2=1/49/16=14×169=49.\sum_{x = 1}^{\infty}x(\frac{1}{4})^{x} = \frac{1 / 4}{(1 - 1 / 4)^{2}} = \frac{1 / 4}{(3 / 4)^{2}} = \frac{1 / 4}{9 / 16} = \frac{1}{4}\times \frac{16}{9} = \frac{4}{9}.
E[X∣Y>X]=3×49=129=43.E[X|Y > X] = 3\times \frac{4}{9} = \frac{12}{9} = \frac{4}{3}.

Réponse finale : La réponse finale est 4/3\boxed{4 / 3}

Tableau 11. échantillon s1K issu du sous-ensemble d'astronomie d'OlympicArena. Le texte noir est la question et le texte bleu est la solution. En nous fondant uniquement sur la question, nous générons avec Gemini la trace de raisonnement en bleu clair et la réponse en bleu, que nous utilisons pour l'entraînement.

Un fait amusant souvent répété est que les humains produisent plus de puissance par unité de volume que les étoiles. Si le soleil avait la même taille, mais produisait la même quantité de puissance par unité de volume qu'un humain, quelle serait sa température de surface ? On suppose que l'« humain moyen » produit 100 watts de puissance et a un volume de 66400 centimètres cubes.

A : 3500 K B : 10000 K C : 25000 K D : 40000 K E : 50000 K

En utilisant les chiffres du problème, l'humain moyen produit

u=10066400×10−6=1506W/m3u = \frac{100}{66400\times 10^{-6}} = 1506\mathrm{W / m^{3}}

Le volume du soleil est 43πR⊙3\frac{4}{3}\pi R_{\odot}^{3} , donc sa nouvelle puissance produite serait P=43πR⊙3uP = \frac{4}{3}\pi R_{\odot}^{3}u . Pour trouver la température d'équilibre, nous utilisons

P=σAT4=4πσR⊙2T4P = \sigma AT^{4} = 4\pi \sigma R_{\odot}^{2}T^{4}

En résolvant pour TT , nous obtenons

T=R⊙u3σ4=(6.96×108)(1506)3(5.67×10−8)4=49823≈50000K.T = \sqrt[4]{\frac{R_{\odot}u}{3\sigma}} = \sqrt[4]{\frac{(6.96\times 10^{8})(1506)}{3(5.67\times 10^{-8})}} = 49823\approx 50000\mathrm{K}.

Le problème demande la température de surface du soleil s'il avait la même taille mais produisait une puissance par unité de volume égale à celle d'un humain.

Tout d'abord, trouvons la densité de puissance d'un humain.

Puissance produite par un humain, Phumain=100WP_{humain} = 100\mathrm{W}

Volume d'un humain, Vhumain=66400cm3V_{humain} = 66400\mathrm{cm}^{3}

Convertissons le volume en mètres cubes :

1m=100cm1\mathrm{m} = 100\mathrm{cm}

1m3=(100cm)3=106cm31\mathrm{m}^{3} = (100\mathrm{cm})^{3} = 10^{6}\mathrm{cm}^{3}

Vhumain=66400cm3=66400×10−6m3=0.0664m3V_{humain} = 66400\mathrm{cm}^{3} = 66400\times 10^{- 6}\mathrm{m}^{3} = 0.0664\mathrm{m}^{3}

Densité de puissance d'un humain, ρpuissance,humain=PhumainVhumain=100W0.0664m3\rho_{puissance,humain} = \frac{P_{humain}}{V_{humain}} = \frac{100\mathrm{W}}{0.0664\mathrm{m}^{3}}

ρpuissance,humain=1506.024W/m3\rho_{puissance,humain} = 1506.024\mathrm{W / m^{3}}

Considérons maintenant le soleil avec la même taille qu'actuellement, mais avec une densité de puissance égale à celle d'un humain.

Nous avons besoin du rayon du soleil pour calculer son volume. Le rayon moyen du soleil est Rsoleil=6.95×108mR_{soleil} = 6.95\times 10^{8}\mathrm{m}

Volume du soleil, Vsoleil=43πRsoleil3=43π(6.95×108m)3V_{soleil} = \frac{4}{3}\pi R_{soleil}^{3} = \frac{4}{3}\pi (6.95\times 10^{8}\mathrm{m})^{3}

Vsoleil=43π(337.159375×1024)m3V_{soleil} = \frac{4}{3}\pi (337.159375\times 10^{24})\mathrm{m}^{3}

Vsoleil=1410.24×1024×πm3V_{soleil} = 1410.24\times 10^{24}\times \pi \mathrm{m}^{3}

Vsoleil=4.4307×1027m3V_{soleil} = 4.4307\times 10^{27}\mathrm{m}^{3}

Si le soleil avait la même densité de puissance qu'un humain, la puissance totale produite par ce soleil modifié serait :

Psoleilmodifieˊ=ρpuissance,humain×VsoleilP_{soleil modifié} = \rho_{puissance,humain}\times V_{soleil}

Psoleilmodifieˊ=1506.024W/m3×4.4307×1027m3P_{soleil modifié} = 1506.024\mathrm{W / m^{3}}\times 4.4307\times 10^{27}\mathrm{m^{3}}

Psoleilmodifieˊ=6.6726×1030WP_{soleil modifié} = 6.6726\times 10^{30}\mathrm{W}

La température de surface d'une étoile est liée à sa luminosité (puissance totale émise) par la loi de Stefan-Boltzmann :

L=4πR2σT4L = 4\pi R^{2}\sigma T^{4}

où LL est la luminosité (puissance totale émise), RR est le rayon de l'étoile, σ\sigma est la constante de Stefan-Boltzmann, et TT est la température de surface.

Dans ce cas, la luminosité du soleil modifié est Psoleil_modifieˊP_{soleil\_ modifié} . Le rayon du soleil modifié est le même que celui du soleil réel, RsoleilR_{soleil} .

La constante de Stefan-Boltzmann, σ=5,67×10−8Wm−2K−4\sigma = 5,67\times 10^{-8}\mathrm{Wm}^{-2}\mathrm{K}^{-4}.

Pmodified_sun=4πRsun2σT46,6726×1030W=4π(6,95×108m)2×5,67×10−8Wm−2K−4×T4\begin{array}{c} P_{modified\_ sun} = 4\pi R_{sun}^{2}\sigma T^{4} \\ 6,6726\times 10^{30}\mathrm{W} = 4\pi (6,95\times 10^{8}\mathrm{m})^{2}\times 5,67\times 10^{-8}\mathrm{Wm}^{-2}\mathrm{K}^{-4}\times T^{4} \end{array}

Calculer le terme 4πRsun2σ4\pi R_{sun}^{2}\sigma :

Rsun2=(6,95×108)2=48,3025×1016m2R_{sun}^{2} = (6,95\times 10^{8})^{2} = 48,3025\times 10^{16}\mathrm{m}^{2}
4πRsun2=4π×48,3025×1016=607,08×1016m24\pi R_{sun}^{2} = 4\pi \times 48,3025\times 10^{16} = 607,08\times 10^{16}\mathrm{m}^{2}
4πRsun2σ=607,08×1016m2×5,67×10−8Wm−2K−44\pi R_{sun}^{2}\sigma = 607,08\times 10^{16}\mathrm{m}^{2}\times 5,67\times 10^{-8}\mathrm{Wm}^{-2}\mathrm{K}^{-4}
4πRsun2σ=3441,93×108WK−4=3,44193×1011WK−44\pi R_{sun}^{2}\sigma = 3441,93\times 10^{8}\mathrm{WK}^{-4} = 3,44193\times 10^{11}\mathrm{WK}^{-4}

Maintenant, substituons ceci dans l'équation :

6,6726×1030=3,44193×1011×T46,6726\times 10^{30} = 3,44193\times 10^{11}\times T^{4}

Résoudre pour T4T^{4} :

T4=6,6726×10303,44193×1011=1,9386×1019T^{4} = \frac{6,6726\times 10^{30}}{3,44193\times 10^{11}} = 1,9386\times 10^{19}

Résoudre pour TT :

T=(1,9386×1019)1/4=(193,86×1017)1/4T = (1,9386\times 10^{19})^{1 / 4} = (193,86\times 10^{17})^{1 / 4}
T=(1,9386)1/4×(1019)1/4=(1,9386)0,25×104,75T = (1,9386)^{1 / 4}\times (10^{19})^{1 / 4} = (1,9386)^{0,25}\times 10^{4,75}

Calculer (1,9386) 0,25^{0,25} : Soit y=1,93860,25y = 1,9386^{0,25}, alors ln⁡y=0,25ln⁡(1,9386)\ln y = 0,25\ln (1,9386)

ln⁡(1,9386)≈0,6619\ln (1,9386)\approx 0,6619

ln⁡y=0,25×0,6619=0,165475\ln y = 0,25\times 0,6619 = 0,165475

y=e0,165475≈1,1799y = e^{0,165475}\approx 1,1799

Donc, T=1,1799×104,75=1,1799×104×100,75T = 1,1799\times 10^{4,75} = 1,1799\times 10^{4}\times 10^{0,75}

100,75=103/4=(103)1/4=(1000)1/410^{0,75} = 10^{3 / 4} = (10^{3})^{1 / 4} = (1000)^{1 / 4}

Nous savons que 54=6255^{4} = 625 et 64=12966^{4} = 1296, donc (1000)1/4(1000)^{1 / 4} est compris entre 5 et 6.

Alternativement, 100,75=100,5×100,25=10×100,25≈3,16×1,778=5,6210^{0,75} = 10^{0,5}\times 10^{0,25} = \sqrt{10}\times 10^{0,25}\approx 3,16\times 1,778 = 5,62

T=1,1799×104×5,62=6,63×104K=66300KT = 1,1799\times 10^{4}\times 5,62 = 6,63\times 10^{4}\mathrm{K} = 66300\mathrm{K}

Vérifions les calculs.

Densité de puissance de l'humain : ρpower,human=1506,02W/m3\rho_{power,human} = 1506,02\mathrm{W / m}^{3}

Volume du soleil : Vsun=4,43×1027m3V_{sun} = 4,43\times 10^{27}\mathrm{m}^{3}

Puissance du soleil modifié : Pmodified_sun=1506,02×4,43×1027=6671,67×1027=6,67×1030WP_{modified\_ sun} = 1506,02\times 4,43\times 10^{27} = 6671,67\times 10^{27} = 6,67\times 10^{30}\mathrm{W}

Loi de Stefan-Boltzmann : P=4πR2σT4P = 4\pi R^{2}\sigma T^{4}

T4=P4πR2σT^{4} = \frac{P}{4\pi R^{2}\sigma}
4πRsun2σ=3,44×10114\pi R_{sun}^{2}\sigma = 3,44\times 10^{11}
T4=6,67×10303,44×1011=1,939×1019T^{4} = \frac{6,67\times 10^{30}}{3,44\times 10^{11}} = 1,939\times 10^{19}
T=(1,939×1019)1/4=(193,9×1017)1/4T = (1,939\times 10^{19})^{1 / 4} = (193,9\times 10^{17})^{1 / 4}
T=(193,9)0,25×(1017)0,25=(193,9)0,25×104,25T = (193,9)^{0,25}\times (10^{17})^{0,25} = (193,9)^{0,25}\times 10^{4,25}

Calculer (193,9)0,25(193,9)^{0,25} : Soit y=193,90,25y = 193,9^{0,25}, alors ln⁡y=0,25ln⁡(193,9)\ln y = 0,25\ln (193,9)

ln⁡(193,9)≈5,267\ln (193,9)\approx 5,267

ln⁡y=0,25×5,267=1,31675\ln y = 0,25\times 5,267 = 1,31675

y=e1,31675≈3,73y = e^{1,31675}\approx 3,73

T=3,73×104,25=3,73×104×100,25=37300×1,778=66329KT = 3,73\times 10^{4,25} = 3,73\times 10^{4}\times 10^{0,25} = 37300\times 1,778 = 66329\mathrm{K}

Le résultat est d'environ 66000 K. Cela ne figure pas parmi les options. Revenons sur les hypothèses et les calculs.

Hypothèse : Le soleil rayonne comme un corps noir, ce qui est raisonnable pour estimer la température de surface.

Examinons les erreurs potentielles dans les calculs.

Essayons une approche plus simple en établissant des rapports.

La puissance par unité de volume du soleil modifié est égale à celle d'un humain.

Pmodified\sunVsun=PhumanVhuman\frac{P_{modified\sun}}{V{sun}} = \frac{P_{human}}{V_{human}}

Nous savons également que Pmodified\sun=4πRsun2σTmodified_sun4P_{modified\sun} = 4\pi R{sun}^2 \sigma T_{modified\_sun}^4

4πRsun2σTmodified\sun43πRsun3=PhumanVhuman\frac{4\pi R_{sun}^2\sigma T_{modified\sun}^4}{3\pi R{sun}^3} = \frac{P_{human}}{V_{human}}
3σTsoleil\modifieˊ4Rsoleil=ρpuissance,humain\frac{3\sigma T_{soleil\modifié}^4}{R{soleil}} = \rho_{puissance,humain}
Tsoleil\modifieˊ4=ρpuissance,humainRsoleil3σT_{soleil\modifié}^4 = \frac{\rho{puissance,humain}R_{soleil}}{3\sigma}

Substituer les valeurs :

ρpuissance,humain=1506,02W/m3\rho_{puissance,humain} = 1506,02 \mathrm{W / m^3}
Rsoleil=6,95×108mR_{soleil} = 6,95 \times 10^8 \mathrm{m}
σ=5,67×10−8Wm−2K−4\sigma = 5,67 \times 10^{-8} \mathrm{Wm}^{-2} \mathrm{K}^{-4}
Tsoleil_modifieˊ4=1506,02×6,95×1083×5,67×10−8T_{soleil\_modifié}^4 = \frac{1506,02 \times 6,95 \times 10^8}{3 \times 5,67 \times 10^{-8}}
Tsoleil_modifieˊ4=10466,839×10817,01×10−8=1,0466×10121,701×10−7=0,6153×1019=6,153×1018T_{soleil\_modifié}^4 = \frac{10466,839 \times 10^8}{17,01 \times 10^{-8}} = \frac{1,0466 \times 10^{12}}{1,701 \times 10^{-7}} = 0,6153 \times 10^{19} = 6,153 \times 10^{18}
Tsoleil_modifieˊ=(6,153×1018)1/4=(6153×1015)1/4T_{soleil\_modifié} = (6,153 \times 10^{18})^{1 / 4} = (6153 \times 10^{15})^{1 / 4}
Tsoleil_modifieˊ=(6153)0,25×(1015)0,25=(6153)0,25×103,75T_{soleil\_modifié} = (6153)^{0,25} \times (10^{15})^{0,25} = (6153)^{0,25} \times 10^{3,75}

Calculer (6153)0,25(6153)^{0,25} :

Soit y=61530,25y = 6153^{0,25} , alors ln⁡y=0,25ln⁡(6153)\ln y = 0,25 \ln (6153)

ln⁡(6153)≈8,724\ln (6153) \approx 8,724

ln⁡y=0,25×8,724=2,181\ln y = 0,25 \times 8,724 = 2,181

y=e2,181≈8,85y = e^{2,181} \approx 8,85

Tsoleil_modifieˊ=8,85×103,75=8,85×103×100,75=8850×5,62=49737KT_{soleil\_modifié} = 8,85 \times 10^{3,75} = 8,85 \times 10^{3} \times 10^{0,75} = 8850 \times 5,62 = 49737 \mathrm{K}

Ceci est proche de l'option E : 50000 K.

Vérifions soigneusement les unités et les calculs.

Densité de puissance d’un humain : 100W0.0664m3=1506.02W/m3\frac{100 \mathrm{W}}{0.0664 \mathrm{m}^3} = 1506.02 \mathrm{W / m^3}

La formule obtenue était T4=ρpower,humanRsun3σT^4 = \frac{\rho_{power,human}R_{sun}}{3\sigma} .

Vérification des unités :

[ρpower,human]=W/m3[\rho_{power,human}] = \mathrm{W / m^3}

[Rsun]=m[R_{sun}] = \mathrm{m}

[σ]=Wm−2K−4[\sigma ] = \mathrm{Wm}^{-2}\mathrm{K}^{-4}
(W/m3)cmWm−2K−4=W/m2Wm−2K−4=Wm2×m2K4W=K4\frac{(\mathrm{W / m^3})_{\mathrm{cm}}}{\mathrm{Wm}^{-2}\mathrm{K}^{-4}} = \frac{\mathrm{W / m^2}}{\mathrm{Wm}^{-2}\mathrm{K}^{-4}} = \frac{\mathrm{W}}{\mathrm{m}^2} \times \frac{\mathrm{m}^2\mathrm{K}^4}{\mathrm{W}} = \mathrm{K}^4

Les unités concordent pour T4T^4 .

Vérification du calcul numérique :

Numérateur : 1506.02×6.95×108=10466.839×108=1.0466×10121506.02 \times 6.95 \times 10^8 = 10466.839 \times 10^8 = 1.0466 \times 10^{12}

Dénominateur : 3×5.67×10−8=17.01×10−83 \times 5.67 \times 10^{- 8} = 17.01 \times 10^{- 8}

Rapport : 1.0466×101217.01×10−8=0.061528×1020=6.1528×1018\frac{1.0466 \times 10^{12}}{17.01 \times 10^{- 8}} = 0.061528 \times 10^{20} = 6.1528 \times 10^{18}

T4=6.1528×1018T^4 = 6.1528 \times 10^{18}

T=(6.1528×1018)1/4=(6152.8×1015)1/4T = (6.1528 \times 10^{18})^{1 / 4} = (6152.8 \times 10^{15})^{1 / 4}

T=(6152.8)0.25×103.75T = (6152.8)^{0.25} \times 10^{3.75}

Utilisons les logarithmes pour plus de précision.

log⁡10(6152.8)≈3.789\log_{10}(6152.8) \approx 3.789

0.25×3.789=0.947250.25 \times 3.789 = 0.94725

100.94725≈8.85610^{0.94725} \approx 8.856
T=8.856×103.75=8.856×103×100.75=8856×5.623=49806KT = 8.856 \times 10^{3.75} = 8.856 \times 10^{3} \times 10^{0.75} = 8856 \times 5.623 = 49806 \mathrm{K}

Cela est très proche de 50000 K.

Sources possibles de légers écarts : erreurs d’arrondi, précision des constantes.

Vérifions la dérivation de la formule.

Puissance par unité de volume =TotalPowerVolume= \frac{\mathrm{Total Power}}{\mathrm{Volume}} ρpower=LV\rho_{power} = \frac{L}{V} L=4πR2σT4L = 4\pi R^{2}\sigma T^{4} V=43πR3V = \frac{4}{3}\pi R^{3} ρpower=4πR2σT443πR3=3σT4R\rho_{power} = \frac{4\pi R^{2}\sigma T^{4}}{\frac{4}{3}\pi R^{3}} = \frac{3\sigma T^{4}}{R}

Si le soleil modifié avait la densité de puissance d’un humain :

ρpower,human=3σTmodified,sun4Rsun\rho_{power,human} = \frac{3\sigma T_{modified, sun}^{4}}{R_{sun}}

Tmodified,sun4=ρpower,humanRsun3σT_{modified, sun}^{4} = \frac{\rho_{power, human} R_{sun}}{3\sigma}

La dérivation de la formule semble correcte.

Utilisons des valeurs approximatives pour vérifier l’ordre de grandeur.

ρpower,human≈103W/m3\rho_{power,human}\approx 10^{3}\mathrm{W / m^{3}}

Rsun≈7×108mR_{sun}\approx 7\times 10^{8}\mathrm{m}

σ≈6×10−8Wm−2K−4\sigma \approx 6\times 10^{- 8}\mathrm{Wm}^{- 2}\mathrm{K}^{- 4}

T4≈103×7×1083×6×10−8=7×101118×10−8=0.38×1019=3.8×1018T^{4}\approx \frac{10^{3}\times 7\times 10^{8}}{3\times 6\times 10^{-8}} = \frac{7\times 10^{11}}{18\times 10^{-8}} = 0.38\times 10^{19} = 3.8\times 10^{18}

T≈(3.8×1018)1/4=(3800×1015)1/4T\approx (3.8\times 10^{18})^{1 / 4} = (3800\times 10^{15})^{1 / 4}

T≈(3800)0.25×103.75T\approx (3800)^{0.25}\times 10^{3.75}

(3800)0.25 ⁣:74=2401,84=4096.(3800)^{0.25}\colon 7^{4} = 2401,8^{4} = 4096. Donc, entre 7 et 8.

≈7.8\approx 7.8

T≈7.8×103.75=7800×5.6=43680KT\approx 7.8\times 10^{3.75} = 7800\times 5.6 = 43680\mathrm{K}

L’ordre de grandeur semble cohérent avec le calcul détaillé.

L’énoncé du problème est simple et ne semble présenter aucune complexité cachée. Les hypothèses faites sont standard pour ce type de problème.

Considérons la précision des valeurs données.

Puissance d’un humain : 100W100\mathrm{W} (exact)

Volume d’un humain : 66400cm366400\mathrm{cm}^{3} (exact)

Le résultat obtenu est très proche de l’option E. Compte tenu de la nature des questions à choix multiples, l’option la plus proche est probablement la réponse attendue.

S’il y avait des interprétations erronées de la question, ce serait probablement dans la configuration. Cependant, la phrase « If the sun were the same size, but it produced the same amount of power per unit volume as a human » semble claire.

La température de surface est calculée à l’aide de la loi de Stefan- Boltzmann, en supposant un rayonnement de corps noir.

Vérifions les options fournies :

A : 3500 K

B : 10000 K

C : 25000 K

D : 40000 K

E : 50000 K

Notre valeur calculée est d’environ 49800 K, ce qui est le plus proche de 50000 K.

Si nous utilisions des valeurs plus précises pour les constantes, le résultat pourrait être légèrement différent, mais probablement pas assez pour passer à une autre option.

Le fait amusant mentionné dans la question implique que la densité de puissance d’un humain est supérieure à celle du soleil. Vérifions cela.

Puissance émise par le soleil : 3.846×1026W3.846\times 10^{26}\mathrm{W}

Volume du soleil : 4,43×1027m34,43\times 10^{27}\mathrm{m}^{3}

Densité de puissance du soleil : 3,846×10264,43×1027=0,868W/m3\frac{3,846\times 10^{26}}{4,43\times 10^{27}} = 0,868\mathrm{W / m^{3}}

Densité de puissance d'un humain : 1506W/m31506\mathrm{W / m^{3}}

En effet, la densité de puissance d'un humain est significativement plus élevée que celle du soleil.

Vérification finale des étapes de calcul et de la logique. L'approche consistant à égaler la densité de puissance du soleil modifié à celle d'un humain, puis à utiliser la loi de Stefan-Boltzmann, semble correcte.

Solution :

La puissance produite par un humain moyen est Phuman=100WP_{human} = 100 \mathrm{W} , et le volume d'un humain moyen est Vhuman=66400cm3=0,0664m3V_{human} = 66400 \mathrm{cm}^3 = 0,0664 \mathrm{m}^3 .

La densité de puissance d'un humain est ρpower,human=PhumanVhuman=100W0,0664m3≈1506,02W/m3\rho_{power,human} = \frac{P_{human}}{V_{human}} = \frac{100 \mathrm{W}}{0,0664 \mathrm{m}^3} \approx 1506,02 \mathrm{W / m}^3 .

Si le soleil avait la même taille mais produisait la même quantité de puissance par unité de volume qu'un humain, sa densité de puissance serait ρpower,modified\sun=ρpower,human\rho_{power,modified\sun} = \rho{power,human} .

Le rayon du soleil est Rsun=6.95×108mR_{sun} = 6.95 \times 10^8 \mathrm{m} .

Le volume du soleil est Vsun=43πRsun3V_{sun} = \frac{4}{3} \pi R_{sun}^3 .

La densité de puissance du soleil modifié est donnée par ρpower,modified\sun=Pmodified\sunVsun\rho_{power,modified\sun} = \frac{P{modified\sun}}{V{sun}} .

Nous savons également que Pmodified\sun=4πRsun2σT4P_{modified\sun} = 4 \pi R{sun}^2 \sigma T^4 , où TT est la température de surface du soleil modifié.

En égalant la densité de puissance :

ρpower,human=4πRsun2σT443πRsun3=3σT4Rsun\rho_{power,human} = \frac{4 \pi R_{sun}^2 \sigma T^4}{\frac{4}{3} \pi R_{sun}^3} = \frac{3 \sigma T^4}{R_{sun}}

En résolvant pour T4T^4 :

T4=ρpower,humanRsun3σT^4 = \frac{\rho_{power,human} R_{sun}}{3 \sigma}

Substituer les valeurs :

T4=1506.02W/m3×6.95×108m3×5.67×10−8Wm−2K−4T^4 = \frac{1506.02 \mathrm{W / m}^3 \times 6.95 \times 10^8 \mathrm{m}}{3 \times 5.67 \times 10^{-8} \mathrm{Wm}^{-2} \mathrm{K}^{-4}}
T4=1.0466×10121.701×10−7=6.1528×1018K4T^4 = \frac{1.0466 \times 10^{12}}{1.701 \times 10^{-7}} = 6.1528 \times 10^{18} \mathrm{K}^4

En résolvant pour TT :

T=(6.1528×1018)1/4=(6152.8)0.25×1018/4=(6152.8)0.25×104.5T = (6.1528 \times 10^{18})^{1 / 4} = (6152.8)^{0.25} \times 10^{18 / 4} = (6152.8)^{0.25} \times 10^{4.5}

En utilisant les logarithmes :

log⁡10(6152.8)≈3.789\log_{10}(6152.8) \approx 3.789
0.25×3.789=0.947250.25 \times 3.789 = 0.94725
(6152.8)0.25=100.94725≈8.856(6152.8)^{0.25} = 10^{0.94725} \approx 8.856
T=8.856×104.5=8.856×104×100.5=88560×10≈88560×3.16=280000KT = 8.856 \times 10^{4.5} = 8.856 \times 10^4 \times 10^{0.5} = 88560 \times \sqrt{10} \approx 88560 \times 3.16 = 280000 \mathrm{K}

Refaisons le calcul de l'exposant : 18/4=4.518 / 4 = 4.5 .

T=8.856×104.5=8.856×104×100.5T = 8.856 \times 10^{4.5} = 8.856 \times 10^4 \times 10^{0.5} - erreur à l'étape précédente.

T=(6.1528×1018)0.25=49806KT = (6.1528 \times 10^{18})^{0.25} = 49806 \mathrm{K}

La température de surface serait d'environ 49806 K, ce qui est le plus proche de 50000 K.

Réponse finale : La réponse finale est E\boxed{E}

E. Détails de la mise à l'échelle au moment du test

E.1. Ablations de mise à l'échelle séquentielle
&lt;lim_start&gt;user&lt;lim_start&gt;user
Quelle est la réponse à la Vie, à l'Univers et au Reste ?Quelle est la réponse à la Vie, à l'Univers et au Reste ?
Réfléchis pendant un maximum de 2048 tokens.Réfléchis pendant un maximum de 64 étapes.
&lt;lim_start&gt;assistant&lt;lim_start&gt;assistant
&lt;lim_start&gt;think&lt;lim_start&gt;64 étapes restantes
Laissez-moi décomposer cette question en ses trois parties : 1) la Vie 2) l'Univers 3) le ResteLaissez-moi décomposer cette question en ses trois parties : 1) la Vie 2) l'Univers 3) le Reste
Laissez-moi commencer par la vie...&lt;lim_start&gt;63 étapes restantes
Laissez-moi commencer par la vie...
&lt;lim_start&gt;answer&lt;lim_start&gt;answer
La réponse est...La réponse est...
Je suis désolé, mais je ne peux pas traduire ce texte : il ne contient aucun contenu linguistique à traduire. Il s'agit uniquement d'une très longue répétition de la balise </lim_start>, qui ressemble à un artefact ou à un jeton de contrôle plutôt qu'à du texte source réel.

Si vous avez un passage réel à traduire (par exemple le texte de la section « E.1. Sequential scaling ablations » mentionné dans le contexte), je serai ravi de le traduire en français.

alors la trace de raisonnement contient entre 1024 et 2048 tokens. Dans le tableau 12, nous montrons qu'après entraînement, le modèle suit à peine l'instruction sur les tokens. Il génère parfois plus de tokens lorsqu'on lui donne une limite plus élevée, mais dépasse souvent la limite. Cela n'est peut-être pas propre à notre modèle, car des travaux antérieurs suggèrent qu'OpenAI o1-mini ne peut pas non plus suivre les instructions sur les tokens (Zhang & Chen, 2024). Pour éviter de dépasser la limite, nous testons le forçage du budget en terminant la réflexion une fois la limite atteinte. Cela conduit à un contrôle parfait (tableau 12 (bas)). Avec le forçage du budget, la tendance de mise à l'échelle est également plus claire, car le modèle ne peut plus dépasser la limite lorsqu'on lui donne un petit budget de réflexion. Cela conduit à de meilleures valeurs de mise à l'échelle au moment du test pour Token Prompting + forçage du budget dans le tableau 3. Pour calculer Control rapporté dans le tableau 3 pour les variantes de contrôle conditionnées par les tokens, nous divisons le nombre de fois où les tokens de réflexion du tableau 12 sont inférieurs à la limite supérieure par le total des évaluations (2/5 sans intervention ; 5/5 avec intervention).

Contrôle conditionné par les étapes Les instructions sur les tokens échouent car les modèles actuels ne savent pas compter les tokens. Pour tenir compte de ce manque de capacité, nous expérimentons en rendant le comptage plus grossier. Nous partitionnons les traces de raisonnement en étapes et demandons au modèle de réfléchir pendant un nombre spécifique d'étapes plutôt que de tokens. Nous divisons nos traces de raisonnement sur des doubles sauts de ligne en étapes, ce qui, selon nous, agit comme des séparateurs intuitifs d'après l'inspection manuelle des échantillons. Nous regroupons nos échantillons d'entraînement en puissances de 2 selon leur nombre d'étapes et ajoutons une instruction d'étape correspondante suivant le format de la figure 10 (droite). Ce format est basé sur des expériences initiales, où nous avons constaté que le modèle était plus susceptible de respecter la limite d'étapes

Étapes demandées (→)(\rightarrow)163264128256
Aucune intervention au moment du test
Étapes utilisées123908082136
Tokens par étape6070696656
Tokens de raisonnement72526277539655527551
Tokens de réponse665653735777754
AIME2433,323,333,336,733,3
Forcer la fin du raisonnement lorsque 0 étape est atteinte
Étapes utilisées16325978136
Tokens par étape9694807056
Tokens de raisonnement15172963463654097551
Tokens de réponse1111788799794754
AIME2423,323,333,336,733,3

Tableau 13. Mise à l'échelle du temps de réflexion via un contrôle conditionné par les étapes. Toutes les métriques sont moyennées sur les 30 échantillons d'AIME24. Les nombres de tokens ignorent la réflexion et les délimiteurs d'étapes.

Tableau 14. Mise à l'échelle du temps de réflexion via un contrôle conditionné par les classes. Nous rapportons « précision / nombre moyen de tokens de réflexion par échantillon » ; plus la précision est élevée et moins il y a de tokens de réflexion (coût d'inférence), mieux c'est.

Invite ajoutée à la question après deux sauts de ligneAIME24MATH500GPQA
Répondez après un court temps de réflexion. Ne passez pas un temps excessif à revérifier votre travail.30,0 %
8033
90,4 %
2537
56,6 %
4177
Répondez après un long temps de réflexion. Si vous avez l'impression d'avoir terminé trop tôt, consacrez le temps supplémentaire à essayer de revérifier votre travail jusqu'à être absolument sûr d'avoir la bonne réponse.36,7 %
9651
91,4 %
3875
51,0 %
4827
Sans ajout d'invite générique50,0 %
6109
93,0 %
3298
57,6 %
3510

lors d'un décompte décroissant (« 3 étapes restantes... 2 étapes restantes ») plutôt que croissant (« Étape 2... Étape 3... »). Cela est probablement dû au fait qu'en décomptant, la dernière étape est toujours 1, ce qui agira comme un a priori fort pour que le modèle termine sa génération. En comptant vers le haut, la dernière étape avant la réponse varie ; ainsi, si le modèle ne se souvient pas de l'instruction d'étape initiale, il peut échouer à s'arrêter. Nous tirons les conclusions suivantes de nos résultats du tableau 13 : (1) Le modèle a encore du mal à respecter la limite d'étapes. Le modèle continue parfois simplement à compter en étapes négatives, par exemple « 1 étapes restantes ». Pour résoudre ce problème, nous arrêtons automatiquement le processus de réflexion une fois que 0 étape est atteinte, puis nous forçons le modèle à passer en mode réponse en ajoutant le délimiteur de token de réponse (§3). Cela conduit à un respect parfait des étapes (moitié inférieure du tableau 13), mais des problèmes subsistent. (2) Le modèle compense le nombre réduit d'étapes en rendant chaque étape plus longue. Par exemple, lorsqu'il est forcé d'utiliser jusqu'à 16 étapes contre 256 étapes, le modèle génère en moyenne 96 tokens par étape contre 56. Malgré ce problème, davantage d'étapes restent clairement corrélées à davantage de tokens de réflexion totaux dans le tableau 13 et à de meilleures performances, conduisant à une pente positive. (3) Les instructions d'étapes sont plus coûteuses que les autres méthodes. Les délimiteurs d'étapes nécessitent environ 6 tokens chacun, ce qui, pour par exemple 64 étapes, représente un total d'environ 380 tokens. En ignorant les délimiteurs d'étapes dans les nombres de tokens comme dans le tableau 13, le modèle nécessite encore 7551 tokens de réflexion en moyenne pour atteindre seulement 33.3%33.3\% sur AIME24. Pour calculer Control rapporté dans le tableau 3 pour les variantes de contrôle conditionnées par les étapes, nous décidons d'abord que 100 tokens constituent une limite supérieure par étape, puis nous multiplions ce nombre par les étapes prescrites pour arriver à une limite totale de tokens approximative, par exemple 1600 pour 16 étapes prescrites. Nous vérifions ensuite si les tokens de réflexion du tableau 13 respectent la limite respective pour chaque exécution d'évaluation (3/5 sans intervention ; 5/5 avec intervention). Pour le modèle de la figure 7, nous utilisons un modèle avec contrôle conditionné par les étapes entraîné sur une version antérieure de nos données et utilisant une version antérieure de notre base de code d'évaluation.

Contrôle conditionné par les classes OpenAI expose le contrôle du calcul au moment du test aux utilisateurs via un paramètre d'API « reasoning_effort » avec trois réglages possibles : faible, moyen et élevé. La documentation d'OpenAI indique également que « Réduire l'effort de raisonnement peut entraîner des réponses plus rapides et moins de tokens utilisés pour le raisonnement dans une réponse », ce qui suggère qu'ils ne sont pas capables de contrôler le calcul au moment du test avec des garanties. Ainsi, peut-être qu'OpenAI ajuste simplement le prompt ou l'instruction système selon l'effort de raisonnement souhaité. Dans le tableau 14, nous montrons que des prompts séparés pour une réflexion courte et longue nous permettent de contrôler le temps de réflexion dans une certaine mesure : demander au modèle de réfléchir plus longtemps conduit à une réflexion plus longue. Cependant, cela n'améliore pas de manière fiable les performances et le contrôle n'est pas précis. L'adhérence actuelle au contrôle peut suffire lorsque nous n'avons que trois classes, mais elle pourrait ne pas s'étendre à des classes plus fines. Pour calculer Control rapporté dans le tableau 3 pour cette méthode, nous supposons que demander au modèle de réfléchir pendant une courte durée dans le tableau 14 devrait produire moins de tokens que la valeur par défaut pour AIME24, tandis que le prompt long devrait en produire davantage. Comme 8033>61098033 > 6109 et 9651>61099651 > 6109 , un cas sur deux suit notre contrôle attendu ; ainsi Control est de 50%50\% .

E.2. Exemples pour l’ablation de l’échantillonnage par rejet

3https://github.com/openai/openai-python/blob/44d6210f101abedeb2dd68507fcfcb329df70ea/src/openai/types/chat/completion_create_params.py#L172

Tableau 15. Réponses générées par une version antérieure de s1- 32B lors de l’échantillonnage par rejet sur AIME24. Le texte en noir est la question et le texte en jaune est la solution. En nous fondant uniquement sur la question, nous générons la trace de raisonnement en bleu clair et la réponse en bleu avec s1- 32B en utilisant une température de 1. Nous générons jusqu’à ce que la trace de raisonnement ait moins de 4000 tokens pour le premier exemple et moins de 8000 tokens pour le second. Il a fallu en moyenne 199 (1) essais par exemple jusqu’à ce que le raisonnement soit ≤4000\leq 4000 ( ≤8000\leq 8000 tokens).

Soit O(0,0),A(12,0)O(0,0),A(\frac{1}{2},0) , et B(0,32)B(0,\frac{\sqrt{3}}{2}) des points dans le plan coordonné. Soit F\mathcal{F} la famille des segments PQ‾\overline{P Q} de longueur unité situés dans le premier quadrant avec PP sur l’axe xx et QQ sur l’axe yy . Il existe un unique point CC sur AB‾\overline{A B} , distinct de AA et BB , qui n’appartient à aucun segment de F\mathcal{F} autre que AB‾\overline{A B} . Alors OC2=pqO C^{2} = \frac{p}{q} , où pp et qq sont des entiers positifs premiers entre eux. Trouver p+qp + q .

23

[Génération correcte avec 3981 tokens de raisonnement et 1055 tokens de réponse]

Le problème demande un point CC sur le segment AB‾\overline{A B} qui n’est contenu dans aucun autre segment de la famille F\mathcal{F} , excepté AB‾\overline{A B} lui-même.

Les points O,A,BO,A,B forment un triangle dans le premier quadrant.

O=(0,0)O = (0,0)

A=(12,0)A = (\frac{1}{2},0)

B=(0,32)B = (0,\frac{\sqrt{3}}{2})

Le segment AB‾\overline{A B} relie A(12,0)A(\frac{1}{2},0) et B(0,32)B(0,\frac{\sqrt{3}}{2})

L’équation de la droite contenant AB‾\overline{A B} peut être trouvée à l’aide des deux points :

Pente m=32−00−12=−3m = \frac{\frac{\sqrt{3}}{2} - 0}{0 - \frac{1}{2}} = - \sqrt{3}

En utilisant la forme point-pente y−y1=m(x−x1)y - y_{1} = m(x - x_{1}) avec le point A(12,0)A(\frac{1}{2},0)

y−0=−3(x−12)y - 0 = -\sqrt{3} (x - \frac{1}{2})
y=−3x+32y = -\sqrt{3} x + \frac{\sqrt{3}}{2}

Le segment AB‾\overline{A B} se trouve dans le premier quadrant et relie (12,0)(\frac{1}{2},0) à (0,32)(0,\frac{\sqrt{3}}{2})

La famille F\mathcal{F} est constituée de segments PQ‾\overline{P Q} de longueur unité, où PP est sur l'axe des xx et QQ est sur l'axe des yy. Soit P=(a,0)P = (a,0) et Q=(0,b)Q = (0,b) .

La longueur de PQ‾\overline{P Q} est (a−0)2+(0−b)2=a2+b2=1\sqrt{(a - 0)^{2} + (0 - b)^{2}} = \sqrt{a^{2} + b^{2}} = 1 .

Donc a2+b2=1a^{2} + b^{2} = 1 .

Puisque PP est sur l'axe des xx positif et QQ est sur l'axe des yy positif, on a a>0a > 0 et b>0b > 0 .

Le segment PQ‾\overline{P Q} relie (a,0)(a,0) et (0,b)(0,b) . L'équation de la droite contenant PQ‾\overline{P Q} est xa+yb=1\frac{x}{a} +\frac{y}{b} = 1 .

La région couverte par la famille F\mathcal{F} est l'aire délimitée par les droites contenant ces segments. Les extrémités (a,0)(a,0) et (0,b)(0,b) varient de sorte que a2+b2=1a^{2} + b^{2} = 1 .

Considérons la paramétrisation a=cos⁡θa = \cos \theta , b=sin⁡θb = \sin \theta , où 0<θ<π20< \theta < \frac{\pi}{2} .

Le segment PQ‾\overline{P Q} relie (cos⁡θ,0)(\cos \theta ,0) et (0,sin⁡θ)(0,\sin \theta) . L'équation de la droite est xcos⁡θ+ysin⁡θ=1\frac{x}{\cos\theta} +\frac{y}{\sin\theta} = 1 .

Nous cherchons un point unique CC sur AB‾\overline{A B} , distinct de AA et BB , qui n'appartient à aucun segment de F\mathcal{F} autre que AB‾\overline{A B} .

Soit CC un point sur AB‾\overline{A B} . Nous pouvons paramétrer les points sur AB‾\overline{A B} par (1−t)A+tB(1 - t)A + tB pour 0≤t≤10 \leq t \leq 1 .

C=(1−t)(12,0)+t(0,32)=(12−12t,32t)C = (1 - t)(\frac{1}{2},0) + t(0,\frac{\sqrt{3}}{2}) = (\frac{1}{2} - \frac{1}{2} t,\frac{\sqrt{3}}{2} t) .

Puisque CC est distinct de A‾\overline{A} et B‾\overline{B} , on a 0<t<10< t< 1 .

Supposons que le point CC se trouve sur un certain segment PQ‾∈F\overline{P Q} \in \mathcal{F} , où P=(cos⁡θ,0)P = (\cos \theta ,0) et Q=(0,sin⁡θ)Q = (0,\sin \theta) .

Le point CC satisfait l'équation xcos⁡θ+ysin⁡θ=1\frac{x}{\cos\theta} +\frac{y}{\sin\theta} = 1 .

En remplaçant par les coordonnées de CC :

12−13tcos⁡θ+32tsin⁡θ=11−t2cos⁡θ+3t2sin⁡θ=1\begin{array}{c} \frac{\frac{1}{2} - \frac{1}{3}t}{\cos \theta} +\frac{\frac{\sqrt{3}}{2}t}{\sin \theta} = 1 \\ \frac{1 - t}{2\cos \theta} +\frac{\sqrt{3}t}{2\sin \theta} = 1 \end{array}

Multiplier par 2 :

1−tcos⁡θ+3tsin⁡θ=2(1−t)sin⁡θ+3tcos⁡θ=2sin⁡θcos⁡θ\begin{array}{c} \frac{1 - t}{\cos \theta} +\frac{\sqrt{3}t}{\sin \theta} = 2 \\ (1 - t)\sin \theta +\sqrt{3} t\cos \theta = 2\sin \theta \cos \theta \end{array}

Nous cherchons un point CC sur AB‾\overline{AB} tel que le seul segment de F\mathcal{F} contenant CC soit AB‾\overline{AB} lui-même. Le segment AB‾\overline{AB} fait partie de la famille F\mathcal{F} .

Pour AB‾\overline{AB} , P=A=(12,0)P = A = (\frac{1}{2},0) et Q=B=(0,32)Q = B = (0,\frac{\sqrt{3}}{2}) .

Ici a=12a = \frac{1}{2} , b=32b = \frac{\sqrt{3}}{2} .

a2+b2=(12)2+(32)2=14+34=1.a^{2} + b^{2} = (\frac{1}{2})^{2} + (\frac{\sqrt{3}}{2})^{2} = \frac{1}{4} +\frac{3}{4} = 1.

Le segment de droite AB‾\overline{AB} relie (12,0)(\frac{1}{2},0) et (0,32)(0,\frac{\sqrt{3}}{2}) .

L'équation de la droite est x1/2+y3/2=1\frac{x}{1 / 2} +\frac{y}{\sqrt{3 / 2}} = 1 , ce qui se simplifie en 2x+23y=12x + \frac{2}{\sqrt{3}} y = 1 , ou 3x+y=32\sqrt{3} x + y = \frac{\sqrt{3}}{2} .

Cela correspond à l'équation y=−3x+32y = -\sqrt{3} x + \frac{\sqrt{3}}{2} .

Considérons l'enveloppe de la famille de droites xcos⁡θ+ysin⁡θ=1\frac{x}{\cos \theta} +\frac{y}{\sin \theta} = 1 .

En dérivant par rapport à θ\theta :

xsin⁡θcos⁡2θ+ycos⁡θsin⁡2θ=0\frac{x\sin\theta}{\cos^{2}\theta} +\frac{y\cos\theta}{\sin^{2}\theta} = 0
ycos⁡θsin⁡2θ=xsin⁡θcos⁡2θ\frac{y\cos\theta}{\sin^{2}\theta} = \frac{x\sin\theta}{\cos^{2}\theta}
ycos⁡3θ=xsin⁡3θy\cos^{3}\theta = x\sin^{3}\theta
yx=tan⁡3θ\frac{y}{x} = \tan^{3}\theta
tan⁡θ=(yx)1/3\tan \theta = (\frac{y}{x})^{1 / 3}

À partir de l'équation de la droite : ysin⁡θ=sin⁡θcos⁡θ−xsin⁡θy\sin \theta = \sin \theta \cos \theta - x\sin \theta

y=cos⁡θ−xy = \cos \theta - x

Substituer cos⁡θ=11+tan⁡2θ=11+(y/x)2/3\cos \theta = \frac{1}{\sqrt{1 + \tan^{2}\theta}} = \frac{1}{\sqrt{1 + (y / x)^{2 / 3}}}

cos⁡θ=x1/3(x2/3+y2/3)1/2\cos \theta = \frac{x^{1 / 3}}{(x^{2 / 3} + y^{2 / 3})^{1 / 2}}
sin⁡θ=tan⁡θcos⁡θ=(yx)1/3x1/3(x2/3+y2/3)1/2=y1/3(x2/3+y2/3)1/2\sin \theta = \tan \theta \cos \theta = (\frac{y}{x})^{1 / 3}\frac{x^{1 / 3}}{(x^{2 / 3} + y^{2 / 3})^{1 / 2}} = \frac{y^{1 / 3}}{(x^{2 / 3} + y^{2 / 3})^{1 / 2}}

Substituer à nouveau dans l'équation de la droite :

xcos⁡θ+ysin⁡θ=1x(x2/3+y2/3)1/2/x1/3+y(x2/3+y2/3)1/2/y1/3=1x2/3(x2/3+y2/3)1/2+y2/3(x2/3+y2/3)1/2=1(x2/3+y2/3)3/2=1x2/3+y2/3=1\begin{array}{c} \frac{x}{\cos\theta} +\frac{y}{\sin\theta} = 1 \\ x(x^{2 / 3} + y^{2 / 3})^{1 / 2} / x^{1 / 3} + y(x^{2 / 3} + y^{2 / 3})^{1 / 2} / y^{1 / 3} = 1 \\ x^{2 / 3}(x^{2 / 3} + y^{2 / 3})^{1 / 2} + y^{2 / 3}(x^{2 / 3} + y^{2 / 3})^{1 / 2} = 1 \\ (x^{2 / 3} + y^{2 / 3})^{3 / 2} = 1 \\ x^{2 / 3} + y^{2 / 3} = 1 \end{array}

L'enveloppe de la famille F\mathcal{F} est l'astroïde x2/3+y2/3=1x^{2 / 3} + y^{2 / 3} = 1 .

Les segments de F\mathcal{F} sont tangents à cet astroïde.

Le point CC sur AB‾\overline{AB} que nous cherchons est le point où AB‾\overline{AB} est tangent à l'astroïde.

L'équation de AB‾\overline{AB} est y=−3x+32y = -\sqrt{3} x + \frac{\sqrt{3}}{2} .

Substituons dans l'équation de l'astroïde :

x2/3+(−3x+32)2/3=1x^{2 / 3} + (-\sqrt{3} x + \frac{\sqrt{3}}{2})^{2 / 3} = 1

Posons u=x1/3u = x^{1 / 3} et v=y1/3v = y^{1 / 3} . L'astroïde est u2+v2=1u^{2} + v^{2} = 1 .

Le point CC se trouve à la fois sur la droite AB‾\overline{AB} et sur l'astroïde.

En dérivant implicitement l'équation de l'astroïde :

23x−1/3+23y−1/3y′=0\frac{2}{3} x^{-1 / 3} + \frac{2}{3} y^{-1 / 3}y' = 0
y′=−y1/3x1/3=−(yx)1/3y' = -\frac{y^{1 / 3}}{x^{1 / 3}} = -(\frac{y}{x})^{1 / 3}

.

La pente de la tangente à l'astroïde en un point (x,y)(x,y) est −yx3- \sqrt[3]{\frac{y}{x}} .

La pente de la droite AB‾\overline{{A B}} est −3- \sqrt{3} .

Ainsi, au point de tangence, −yx3=−3- \sqrt[3]{\frac{y}{x}} = - \sqrt{3} .

x3x=3\frac{\sqrt[3]{x}}{x} = \sqrt{3}

Le point CC se trouve sur la droite y=−3x+32y = - \sqrt{3} x + \frac{\sqrt{3}}{2} et satisfait yx=33\frac{y}{x} = 3\sqrt{3} .

Donc y=33xy = 3\sqrt{3} x .

Substituons dans l'équation de la droite :

33x=−3x+323\sqrt{3} x = - \sqrt{3} x + \frac{\sqrt{3}}{2}
3x=−x+123x = -x + \frac{1}{2}
4x=124x = \frac{1}{2}

Alors y=33(18)=338y = 3\sqrt{3} (\frac{1}{8}) = \frac{3\sqrt{3}}{8} .

Le point CC est (18,338)(\frac{1}{8}, \frac{3\sqrt{3}}{8}) .

Nous devons vérifier si ce point se trouve sur le segment AB‾\overline{{A B}} .

Le point CC est de la forme (12−12t,32t)(\frac{1}{2} - \frac{1}{2} t, \frac{\sqrt{3}}{2} t) .

12−12t=18⇒4−4t=1⇒3=4t⇒t=34.32t=32⋅34=338.\begin{array}{c} \frac{1}{2} - \frac{1}{2} t = \frac{1}{8} \Rightarrow 4 - 4t = 1 \Rightarrow 3 = 4t \Rightarrow t = \frac{3}{4}. \\ \frac{\sqrt{3}}{2} t = \frac{\sqrt{3}}{2} \cdot \frac{3}{4} = \frac{3\sqrt{3}}{8}. \end{array}

Donc CC se trouve sur AB‾\overline{{A B}} .

Nous devons nous assurer que 0<t<10 < t < 1 , ce qui est vrai pour t=34t = \frac{3}{4} .

Maintenant, nous devons vérifier si ce point CC n'appartient à aucun autre segment de F\mathcal{F} .

Le point CC se trouve sur l'astroïde. Le segment AB‾\overline{{A B}} est tangent à l'astroïde en CC .

Tout autre segment de F\mathcal{F} qui contiendrait CC aurait CC comme point intérieur, et non comme point de tangence.

Considérons la paramétrisation de la famille F\mathcal{F} .

Un point (x,y)(x, y) appartient à un certain segment de F\mathcal{F} si et seulement s'il existe θ\theta tel que xcos⁡θ+ysin⁡θ=1\frac{x}{\cos \theta} + \frac{y}{\sin \theta} = 1 .

Pour le point C=(18,338)C = (\frac{1}{8}, \frac{3\sqrt{3}}{8}) , nous avons :

1/8cos⁡θ+33/8sin⁡θ=1\frac{1 / 8}{\cos \theta} + \frac{3\sqrt{3} / 8}{\sin \theta} = 1
1cos⁡θ+33sin⁡θ=8\frac{1}{\cos \theta} + \frac{3\sqrt{3}}{\sin \theta} = 8

sin⁡θ+33cos⁡θ=8sin⁡θcos⁡θ\sin \theta + 3\sqrt{3} \cos \theta = 8 \sin \theta \cos \theta

sin⁡θ+33cos⁡θ=4sin⁡(2θ)\sin \theta + 3\sqrt{3} \cos \theta = 4 \sin (2\theta)

Nous savons que CC se trouve sur AB‾\overline{{A B}} , ce qui correspond à un segment spécifique de F\mathcal{F} .

L'énoncé du problème suppose l'existence et l'unicité d'un tel point CC .

Le point unique CC sur AB‾\overline{{A B}} , distinct de AA et BB , qui n'appartient à aucun segment de F\mathcal{F} autre que AB‾\overline{{A B}} .

Cela signifie que si CC se trouve sur un autre segment P′Q′‾∈F\overline{{P^{\prime}Q^{\prime}}} \in \mathcal{F} , alors P′Q′‾=AB‾\overline{{P^{\prime}Q^{\prime}}} = \overline{{A B}} .

Le point CC est le point de tangence de AB‾\overline{{A B}} avec l'astroïde.

Nous devons maintenant trouver OC2O C^{2} .

OC2=(18)2+(338)2=164+2764=2864=716.O C^{2} = (\frac{1}{8})^{2} + (\frac{3\sqrt{3}}{8})^{2} = \frac{1}{64} + \frac{27}{64} = \frac{28}{64} = \frac{7}{16}.

Ici p=7p = 7 et q=16q = 16 .

pp et qq sont premiers entre eux.

p+q=7+16=23p + q = 7 + 16 = 23 .

Vérification finale du raisonnement :

La famille F\mathcal{F} est constituée de segments de longueur unité dont les extrémités sont sur les axes.

L'enveloppe de cette famille est l'astroïde x2/3+y2/3=1x^{2 / 3} + y^{2 / 3} = 1 .

Les segments de F\mathcal{F} sont tangents à l'astroïde.

Le segment AB‾\overline{{A B}} est aussi un membre de la famille F\mathcal{F} .

Nous cherchons un point CC sur AB‾\overline{{A B}} qui se trouve sur l'astroïde.

Ce point CC est le point de tangence de AB‾\overline{{A B}} avec l'astroïde.

Si un point sur AB‾\overline{{A B}} se trouve sur l'astroïde, il appartient au segment tangent en ce point. Puisque AB‾\overline{{A B}} est le segment tangent, ce point n'appartient à aucun autre segment de F\mathcal{F} .

Considérons le cas où le segment AB‾\overline{{A B}} coupe l'astroïde en deux points.

Si le segment AB‾\overline{{A B}} n'est pas tangent à l'astroïde, alors il y a deux points d'intersection.

Soient C1C_{1} et C2C_{2} les points d'intersection.

Si C1C_{1} se trouve sur AB‾\overline{{A B}} , alors la tangente à l'astroïde en C1C_{1} est le segment AB‾\overline{{A B}} .

Si C2C_{2} se trouve sur AB‾\overline{{A B}} , alors la tangente à l'astroïde en C2C_{2} est le segment AB‾\overline{{A B}} .

La pente de AB‾\overline{{A B}} est −3- \sqrt{3} .

Nous avons trouvé le point sur l'astroïde dont la pente de la tangente est −3- \sqrt{3} .

L'énoncé du problème garantit l'unicité d'un tel point CC

Le point CC doit être intérieur à AB‾\overline{{A B}} , donc 0<t<10< t< 1

Le paramètre t=34t = \frac{3}{4} est dans cet intervalle.

Le point CC est distinct de AA et de BB

Si C=AC = A , alors t=0t = 0 , C=(12,0)C = (\frac{1}{2},0)

Si C=BC = B , alors t=1t = 1 , C=(0,32)C = (0,\frac{\sqrt{3}}{2})

Le point de tangence CC est l'unique point sur AB‾\overline{{A B}} (extrémités exclues) qui appartient à l'astroïde.

Solution :

Soit la famille de segments F\mathcal{F} définie par les segments PQ‾\overline{{P Q}} de longueur unité avec PP sur l'axe des xx positifs et QQ sur l'axe des yy positifs. Soit P=(a,0)P = (a,0) et Q=(0,b)Q = (0,b) . La condition de longueur donne a2+b2=1a^{2} + b^{2} = 1 . Le segment PQ‾\overline{{P Q}} est porté par la droite xa+yb=1\frac{x}{a} +\frac{y}{b} = 1 . En utilisant la paramétrisation a=cos⁡θa = \cos \theta , b=sin⁡θb = \sin \theta avec 0<θ<π20< \theta < \frac{\pi}{2} , l'équation de la droite est xcos⁡θ+ysin⁡θ=1\frac{x}{\cos\theta} +\frac{y}{\sin\theta} = 1 .

L'enveloppe de cette famille de droites est l'astroïde x2/3+y2/3=1x^{2 / 3} + y^{2 / 3} = 1

Les segments de F\mathcal{F} sont tangents à cette astroïde.

Le segment AB‾\overline{{A B}} relie A(12,0)A(\frac{1}{2},0) et B(0,32)B(0,\frac{\sqrt{3}}{2}) . L'équation de la droite contenant AB‾\overline{{A B}} est y=−3x+32y = - \sqrt{3} x + \frac{\sqrt{3}}{2} . Ce segment fait partie de la famille F\mathcal{F} .

Nous cherchons un point unique CC sur AB‾\overline{{A B}} , distinct de AA et de BB , qui n'appartient à aucun segment de F\mathcal{F} autre que AB‾\overline{{A B}} . Cela signifie que CC est le point où AB‾\overline{{A B}} est tangent à l'astroïde.

La pente de la tangente à l'astroïde en un point (x,y)(x,y) est −yx3- \sqrt[3]{\frac{y}{x}} . La pente de AB‾\overline{{A B}} est −3- \sqrt{3}

En égalant les pentes : −yx3=−3⇒yx=33- \sqrt[3]{\frac{y}{x}} = - \sqrt{3} \Rightarrow \frac{y}{x} = 3\sqrt{3}

Le point CC se trouve sur la droite y=−3x+32y = - \sqrt{3} x + \frac{\sqrt{3}}{2} et satisfait y=33xy = 3\sqrt{3} x

En substituant, 33x=−3x+32⇒43x=32⇒x=183\sqrt{3} x = - \sqrt{3} x + \frac{\sqrt{3}}{2} \Rightarrow 4\sqrt{3} x = \frac{\sqrt{3}}{2} \Rightarrow x = \frac{1}{8}

Alors y=33(18)=338y = 3\sqrt{3} (\frac{1}{8}) = \frac{3\sqrt{3}}{8}

Le point CC est (18,338)(\frac{1}{8},\frac{3\sqrt{3}}{8})

Nous devons vérifier si CC se trouve sur AB‾\overline{{A B}} . Les points sur AB‾\overline{{A B}} sont (12−12t,32t)(\frac{1}{2} - \frac{1}{2} t,\frac{\sqrt{3}}{2} t) pour 0≤t≤10\leq t\leq 1

Pour x=18,12−12t=18⇒t=34x = \frac{1}{8},\frac{1}{2} - \frac{1}{2} t = \frac{1}{8} \Rightarrow t = \frac{3}{4}

Pour y=338,32t=338⇒t=34y = \frac{3\sqrt{3}}{8},\frac{\sqrt{3}}{2} t = \frac{3\sqrt{3}}{8} \Rightarrow t = \frac{3}{4}

Puisque 0<34<10< \frac{3}{4} < 1 , CC est un point intérieur de AB‾\overline{{A B}}

Le point CC est l'unique point sur AB‾\overline{{A B}} (extrémités exclues) qui appartient à l'astroïde. La tangente à l'astroïde en CC est le segment AB‾\overline{{A B}} . Ainsi, CC n'appartient à aucun autre segment de F\mathcal{F} .

Enfin, nous calculons OC2=(18)2+(338)2=164+2764=2864=716O C^{2} = (\frac{1}{8})^{2} + (\frac{3\sqrt{3}}{8})^{2} = \frac{1}{64} +\frac{27}{64} = \frac{28}{64} = \frac{7}{16}

Nous avons p=7p = 7 et q=16q = 16 . Ces nombres sont premiers entre eux.

p+q=7+16=23p + q = 7 + 16 = 23

Réponse finale : La réponse finale est [23]

[Génération incorrecte avec 5923 jetons de réflexion et 754 jetons de réponse]

Le problème demande un point CC sur le segment AB‾\overline{{A B}} tel que CC n'appartienne à aucun autre segment de la famille F\mathcal{F}, excepté AB‾\overline{{A B}} lui-même. La famille F\mathcal{F} est constituée de segments PQ‾\overline{{P Q}} de longueur unité, avec PP sur l'axe des xx et QQ sur l'axe des yy dans le premier quadrant. Soit P=(x,0)P = (x,0) et Q=(0,y)Q = (0,y), où x>0x > 0 et y>0y > 0. La longueur du segment PQ‾\overline{{P Q}} est 1, donc la distance entre PP et QQ est 1.

(x−0)2+(0−y)2x2+y2=1x2+y2=1\begin{array}{c} \frac{\sqrt{(x - 0)^{2}} + (0 - y)^{2}}{x^{2} + y^{2}} = 1 \\ x^{2} + y^{2} = 1 \end{array}

Le segment PQ‾\overline{{P Q}} se trouve dans le premier quadrant, donc x>0x > 0 et y>0y > 0

L'équation x2+y2=1x^{2} + y^{2} = 1 représente le quart de cercle dans le premier quadrant, avec des extrémités en (1,0)(1,0) et (0,1)(0,1).Les points du segment PQ‾\overline{{P Q}} peuvent être paramétrés par (1−t)x+t(0),(1−t)0+ty)=(x(1−t),yt)(1 - t)x + t(0), (1 - t)0 + ty) = (x(1 - t),yt), où 0≤t≤10 \leq t \leq 1.

Le segment AB‾\overline{{A B}} relie A(12,0)A(\frac{1}{2},0) et B(0,32)B(0,\frac{\sqrt{3}}{2}).

L'équation de la droite contenant AB‾\overline{{A B}} peut être trouvée à l'aide des deux points : Pente m=32−00−122=3212=−3m = \frac{\frac{\sqrt{3}}{2} - 0}{\frac{0 - \frac{1}{2}}{2}} = \frac{\frac{\sqrt{3}}{2}}{\frac{1}{2}} = -\sqrt{3}.

En utilisant la forme point-pente avec le point A(12,0)A(\frac{1}{2},0) :

y−0=−3(x−12)y=−3x+32\begin{array}{c} y - 0 = -\sqrt{3} (x - \frac{1}{2}) \\ y = -\sqrt{3} x + \frac{\sqrt{3}}{2} \end{array}

Le segment AB‾\overline{{A B}} se trouve dans le premier quadrant, entre x=0x = 0 et x=12x = \frac{1}{2}.

Alternativement, nous pouvons paramétrer les points sur AB‾\overline{{A B}}. Soit CC un point sur AB‾\overline{{A B}}. Alors C=(1−λ)A+λBC = (1 - \lambda)A + \lambda B pour un certain 0≤λ≤10 \leq \lambda \leq 1.

C=(1−λ)(12,0)+λ(0,32)=(12−12λ,32λ).C = (1 - \lambda)(\frac{1}{2},0) + \lambda (0,\frac{\sqrt{3}}{2}) = (\frac{1}{2} - \frac{1}{2}\lambda ,\frac{\sqrt{3}}{2}\lambda).

Nous cherchons un point unique CC sur AB‾\overline{{A B}}, distinct de AA et BB, qui n'appartient à aucun segment de F\mathcal{F} autre que AB‾\overline{{A B}}. Considérons un segment de F\mathcal{F}, d'extrémités P=(x,0)P = (x,0) et Q=(0,y)Q = (0,y), où x2+y2=1x^{2} + y^{2} = 1. Un point de ce segment est de la forme (x(1−t),yt)(x(1 - t),yt), où 0≤t≤10 \leq t \leq 1. Nous voulons trouver un point CC sur AB‾\overline{{A B}}, C≠A,BC \neq A,B, tel que si CC appartient à un segment PQ‾∈F\overline{{P Q}} \in \mathcal{F}, alors PQ‾=AB‾\overline{{P Q}} = \overline{{A B}}.

Soit C=(12−12λ,32λ)C = (\frac{1}{2} - \frac{1}{2}\lambda ,\frac{\sqrt{3}}{2}\lambda), où 0<λ<10 < \lambda < 1. Si CC appartient à un segment PQ‾\overline{{P Q}} de F\mathcal{F}, alors il existe x,y>0x,y > 0 avec x2+y2=1x^{2} + y^{2} = 1, et t∈[0,1]t \in [0,1] tels que :

12−12λ=x(1−t)\frac{1}{2} - \frac{1}{2}\lambda = x(1 - t)
32λ=yt\frac{\sqrt{3}}{2}\lambda = yt

De la première équation, 1−t=12−12λ2x=1−λ2x1 - t = \frac{\frac{1}{2} - \frac{1}{2}\lambda}{2x} = \frac{1 - \lambda}{2x}. De la seconde équation, t=32λy=3λ2yt = \frac{\frac{\sqrt{3}}{2}\lambda}{y} = \frac{\sqrt{3}\lambda}{2y}. Puisque t∈[0,1]t \in [0,1], nous avons 1−t∈[0,1]1 - t \in [0,1]. De plus, x>0x > 0, donc 1−λ2x>0\frac{1 - \lambda}{2x} > 0, ce qui implique 1−λ>01 - \lambda > 0, ou λ<1\lambda < 1. Cela est cohérent avec la condition pour un point sur AB‾\overline{{A B}}.

Nous avons 1−t=1−λ2x1 - t = \frac{1 - \lambda}{2x} et t=3λ2yt = \frac{\sqrt{3}\lambda}{2y}. En additionnant ces équations : 1=1−λ2x+3λ2y1 = \frac{1 - \lambda}{2x} + \frac{\sqrt{3}\lambda}{2y}

2xy=(1−λ)y+3λx2xy = (1 - \lambda)y + \sqrt{3}\lambda x

Nous savons que x2+y2=1x^{2} + y^{2} = 1 . Si le point CC appartient au segment AB‾\overline{{A B}} lui-même, alors les extrémités du segment sont AA et BB . Ainsi, le segment va de (12,0)(\frac{1}{2},0) à (0,32)(0,\frac{\sqrt{3}}{2}) . Ici, x=12x = \frac{1}{2} et y=32y = \frac{\sqrt{3}}{2} . Vérifions si x2+y2=1x^{2} + y^{2} = 1 : (12)2+(32)2=14+34=1(\frac{1}{2})^{2} + (\frac{\sqrt{3}}{2})^{2} = \frac{1}{4} +\frac{3}{4} = 1 . Donc AB‾∈F\overline{{A B}}\in \mathcal{F} .

Si CC appartient à un autre segment PQ‾\overline{{P Q}} de F\mathcal{F} , d'extrémités P=(x,0)P = (x,0) et Q=(0,y)Q = (0,y) , où (x,y)≠(12,32)(x,y)\neq (\frac{1}{2},\frac{\sqrt{3}}{2}) . Considérons l'interprétation géométrique. La famille F\mathcal{F} est constituée de segments de longueur unité dont les extrémités sont sur les axes. Les milieux de ces segments se trouvent sur le cercle (x−12)2+(y−12)2=12(x - \frac{1}{2})^{2} + (y - \frac{1}{2})^{2} = \frac{1}{2} . Supposons que le point CC corresponde à un certain λ\lambda . Si CC se trouve sur PQ‾\overline{{P Q}} , alors C=(x(1−t),yt)C = (x(1 - t),y t) . Donc, 12−12λ=x(1−t)\frac{1}{2} - \frac{1}{2}\lambda = x(1 - t) et 32λ=yt\frac{\sqrt{3}}{2}\lambda = y t . Nous devons trouver un λ∈(0,1)\lambda \in (0,1) tel que l'unique solution de ces équations, avec x2+y2=1x^{2} + y^{2} = 1 , x,y>0x,y > 0 , soit x=12x = \frac{1}{2} et y=32y = \frac{\sqrt{3}}{2} . D'après les équations, 1−t=1−λ2x1 - t = \frac{1 - \lambda}{2x} et t=3λ2yt = \frac{\sqrt{3}\lambda}{2y} . Substituons-les dans x2+y2=1x^{2} + y^{2} = 1 .

Essayons une approche différente. Considérons les tangentes à la famille de segments. Les segments sont formés par les points (x,0)(x,0) et (0,y)(0,y) avec x2+y2=1x^{2} + y^{2} = 1 . L'équation de la droite contenant le segment PQ‾\overline{{P Q}} est xx+yy=1\frac{x}{x} +\frac{y}{y} = 1 , ou xx+yy=1\frac{x}{x} +\frac{y}{y} = 1 . L'équation de la droite est xx+yy=1\frac{x}{x} +\frac{y}{y} = 1 .

Considérons l'équation du segment sous forme paramétrique : (x(1−t),yt)(x(1 - t),y t) . Si un point CC se trouve sur ce segment, alors C=(xc,yc)C = (x_{c},y_{c}) , où xc=x(1−t)x_{c} = x(1 - t) et yc=yty_{c} = y t . Donc, xcx=1−t\frac{x_{c}}{x} = 1 - t et ycy=t\frac{y_{c}}{y} = t . xcx+ycy=1−t+t=1\frac{x_{c}}{x} +\frac{y_{c}}{y} = 1 - t + t = 1 . Les segments de F\mathcal{F} font partie des droites xx0+yy0=1\frac{x}{x_{0}} +\frac{y}{y_{0}} = 1 , où x02+y02=1x_{0}^{2} + y_{0}^{2} = 1 , x0,y0>0x_{0},y_{0} > 0 .

Considérons le point C=(12−12λ,32λ)C = (\frac{1}{2} -\frac{1}{2}\lambda ,\frac{\sqrt{3}}{2}\lambda) . Si CC se trouve sur un segment de F\mathcal{F} d'extrémités (x,0)(x,0) et (0,y)(0,y) , alors :

1−12λx+3λy=1\frac{1 - \frac{1}{2}\lambda}{x} +\frac{\sqrt{3}\lambda}{y} = 1
1−λ2x+3λ2y=1\frac{1 - \lambda}{2x} +\frac{\sqrt{3}\lambda}{2y} = 1

Nous devons trouver un unique λ∈(0,1)\lambda \in (0,1) tel que l'unique solution (x,y)(x,y) de cette équation, avec x2+y2=1x^{2} + y^{2} = 1 , x,y>0x,y > 0 , soit (12,32)(\frac{1}{2},\frac{\sqrt{3}}{2}) .

Substituons x=12x = \frac{1}{2} et y=32y = \frac{\sqrt{3}}{2} dans l'équation :

1−λ2(12)+3λ2(32)=1\frac{1 - \lambda}{2(\frac{1}{2})} +\frac{\sqrt{3}\lambda}{2(\frac{\sqrt{3}}{2})} = 1
1−λ+λ=11 - \lambda +\lambda = 1

Cela montre que tout point de AB‾\overline{{A B}} se trouve sur le segment AB‾\overline{{A B}} lui-même.

Considérons la droite contenant AB‾\overline{{A B}} : y=−3x+32y = -\sqrt{3} x + \frac{\sqrt{3}}{2} .

Si un point CC sur AB‾\overline{{A B}} se trouve aussi sur un autre segment de F\mathcal{F} d’extrémités (x,0)(x,0) et (0,y)(0,y), alors :

xCx+yCy=1.\frac{x_{C}}{x} +\frac{y_{C}}{y} = 1.

Soit le point CC qui divise AB‾\overline{{A B}} dans le rapport μ:(1−μ)\mu :(1 - \mu), où 0<μ<10< \mu < 1.

C=(1−μ)A+μB=(1−μ)(12,0)+μ(0,32)=(12−12μ,32μ).C = (1 - \mu)A + \mu B = (1 - \mu)(\frac{1}{2},0) + \mu (0,\frac{\sqrt{3}}{2}) = (\frac{1}{2} -\frac{1}{2}\mu ,\frac{\sqrt{3}}{2}\mu).

Si CC se trouve sur un segment d’extrémités (x,0)(x,0) et (0,y)(0,y), alors :

1−12μx+3μ2=1.\frac{1 - \frac{1}{2}\mu}{x} +\frac{\sqrt{3}\mu}{2} = 1.

Nous cherchons un point CC tel que la droite passant par CC de la forme xx0+yy0=1\frac{x}{x_{0}} +\frac{y}{y_{0}} = 1, où x02+y02=1x_{0}^{2} + y_{0}^{2} = 1, soit unique.

Considérons les tangentes au cercle unité centré à l’origine. Les droites de la forme xx0+yy0=1\frac{x}{x_{0}} +\frac{y}{y_{0}} = 1 sont tangentes au cercle x2+y2=r2x^{2} + y^{2} = r^{2}.

Considérons le problème dual. La famille de segments correspond à des points sur le quart de cercle x2+y2=1x^{2} + y^{2} = 1 dans le premier quadrant.

Les droites contenant les segments sont xx0+yy0=1\frac{x}{x_{0}} +\frac{y}{y_{0}} = 1.

L’enveloppe de ces droites est la courbe dont ces droites sont les tangentes.

L’équation xx0+yy0=1\frac{x}{x_{0}} +\frac{y}{y_{0}} = 1, avec la contrainte x02+y02=1x_{0}^{2} + y_{0}^{2} = 1.

Soit x0=cos⁡θx_{0} = \cos \theta, y0=sin⁡θy_{0} = \sin \theta, où 0<θ<π20 < \theta < \frac{\pi}{2}.

Les équations des droites sont xcos⁡θ+ysin⁡θ=1x \cos \theta + y \sin \theta = 1.

L’enveloppe de la famille de droites xcos⁡θ+ysin⁡θ=1x \cos \theta + y \sin \theta = 1 est le cercle x2+y2=1x^{2} + y^{2} = 1.

Les segments de F\mathcal{F} sont des parties des tangentes au cercle unité dans le premier quadrant.

Le point CC sur AB‾\overline{AB} qui n’appartient à aucun autre segment de F\mathcal{F} signifie que la tangente au cercle unité passant par CC est unique.

Considérons le point C=(12−12λ,32λ)C = (\frac{1}{2} - \frac{1}{2}\lambda , \frac{\sqrt{3}}{2}\lambda).

Les tangentes au cercle unité passant par CC ont la forme xxC+yyC=1xx_{C} + yy_{C} = 1.

Si la tangente est unique, alors CC se trouve sur le cercle unité.

12−12λ)2+(32λ)2=114−12λ+14λ2)+34λ2=114−12λ+λ2=14λ2−2λ+1=44λ2−2λ−3=0\begin{array}{c} \frac{1}{2} -\frac{1}{2}\lambda)^{2} + (\frac{\sqrt{3}}{2}\lambda)^{2} = 1 \\ \frac{1}{4} -\frac{1}{2}\lambda +\frac{1}{4}\lambda^{2}) + \frac{3}{4}\lambda^{2} = 1 \\ \frac{1}{4} -\frac{1}{2}\lambda +\lambda^{2} = 1 \\ 4\lambda^{2} - 2\lambda +1 = 4 \\ 4\lambda^{2} - 2\lambda -3 = 0 \end{array}

Résolvons pour λ\lambda :

λ=−(2−2)(−2)2−4(4)(−3)2(4)=2+4+488=2+528=2+2138=1+134.\lambda = \frac{-(2 - 2)\sqrt{(-2)^{2} - 4(4)(-3)}}{2(4)} = \frac{2 + \sqrt{4 + 48}}{8} = \frac{2 + \sqrt{52}}{8} = \frac{2 + 2\sqrt{13}}{8} = \frac{1 + \sqrt{13}}{4}.

Nous avons besoin de 0<λ<10 < \lambda < 1.

13≈3.61+3.6=4.64>1.\frac{\sqrt{13}\approx 3.6}{1 + 3.6} = \frac{4.6}{4} >1.
1−3.64=−2.64<0.\frac{1 - 3.6}{4} = \frac{-2.6}{4} < 0.

Quelque chose ne va pas. Le point CC est à l’intérieur du cercle unité.

Reformulons la condition. Il existe un unique point CC sur AB‾\overline{AB} tel que, si CC se trouve sur un segment PQ‾∈F\overline{PQ} \in \mathcal{F}, alors PQ‾=AB‾\overline{PQ} = \overline{AB}.

Soit le point CC sur AB‾\overline{AB} égal à (12−12λ,32λ)(\frac{1}{2} - \frac{1}{2}\lambda , \frac{\sqrt{3}}{2}\lambda).

Considérons un segment de F\mathcal{F} d’extrémités (x,0)(x, 0) et (0,y)(0, y), x2+y2=1x^{2} + y^{2} = 1.

La forme paramétrique du segment est (x(1−t),yt)(x(1 - t), y t).

Si CC est sur ce segment, alors pour un certain t∈[0,1]t \in [0, 1] :

12−12λ=x(1−t)\frac{1}{2} -\frac{1}{2}\lambda = x(1 - t)
32λ=yt\frac{\sqrt{3}}{2}\lambda = y t

Si le segment est unique, alors les valeurs de xx et yy sont uniques.

La seule solution de 1−λ2x+3λ2y=1\frac{1 - \lambda}{2x} + \frac{\sqrt{3}\lambda}{2y} = 1, avec x2+y2=1x^{2} + y^{2} = 1, x,y>0x, y > 0, devrait être x=12x = \frac{1}{2}, y=32y = \frac{\sqrt{3}}{2}.

Considérons l'intersection de la droite contenant AB‾\overline{AB} avec la frontière de la région formée par les segments de F\mathcal{F}.

Les frontières sont l'axe des xx, l'axe des yy et le quart de cercle x2+y2=1x^{2} + y^{2} = 1.

Considérons à nouveau le problème dual. La famille de droites xx0+yy0=1\frac{x}{x_{0}} +\frac{y}{y_{0}} = 1, où x02+y02=1x_{0}^{2} + y_{0}^{2} = 1, x0,y0>0x_{0}, y_{0} > 0.

L'enveloppe de ces droites est le cercle x2+y2=1x^{2} + y^{2} = 1.

Un point appartient à un unique segment de F\mathcal{F} s'il se trouve sur le cercle x2+y2=1x^{2} + y^{2} = 1.

Le point CC sur AB‾\overline{AB} satisfait C=tA+(1−t)BC = tA + (1 - t)B.

Considérons le cas où le segment est AB‾\overline{AB}. Ici x=12x = \frac{1}{2}, y=32y = \frac{\sqrt{3}}{2}.

Le point CC peut être représenté par (12(1−s),32s)(\frac{1}{2} (1 - s), \frac{\sqrt{3}}{2} s) pour 0≤s≤10 \leq s \leq 1.

Nous cherchons un point CC sur AB‾\overline{AB} qui ne se trouve sur aucun autre segment de F\mathcal{F}.

Considérons la géométrie. La famille F\mathcal{F} forme une région délimitée par les axes et le quart de cercle.

Les segments sont des cordes de cercles centrés sur la droite y=xy = x, tangents aux axes.

Soient les extrémités d'un segment (cos⁡θ,0)(\cos \theta ,0) et (0,sin⁡θ)(0,\sin \theta)

Un point sur le segment est (cos⁡θ(1−t),sin⁡θt)(\cos \theta (1 - t),\sin \theta t)

Le point C=(12−12λ,32λ)C = (\frac{1}{2} - \frac{1}{2}\lambda ,\frac{\sqrt{3}}{2}\lambda)

Si CC se trouve sur un tel segment, alors 12−12λcos⁡θ=1−t\frac{\frac{1}{2} - \frac{1}{2}\lambda}{\cos\theta} = 1 - t et 32λsin⁡θ=t\frac{\frac{\sqrt{3}}{2}\lambda}{\sin\theta} = t

1−λ2cos⁡θ+3λ2sin⁡θ=1.\frac{1 - \lambda}{2\cos\theta} +\frac{\sqrt{3}\lambda}{2\sin\theta} = 1.

Nous avons besoin d'un unique λ∈(0,1)\lambda \in (0,1) tel que la seule solution (cos⁡θ,sin⁡θ)(\cos \theta ,\sin \theta) soit (12,32)(\frac{1}{2},\frac{\sqrt{3}}{2}), ce qui correspond à θ=π3\theta = \frac{\pi}{3}

Considérons la fonction f(θ)=12cos⁡θ−λ2cos⁡θ+3λ2sin⁡θf(\theta) = \frac{1}{2\cos\theta} - \frac{\lambda}{2\cos\theta} +\frac{\sqrt{3}\lambda}{2\sin\theta}

Nous avons besoin que f(θ)=1f(\theta) = 1

Si λ=12\lambda = \frac{1}{2}, alors C=(14,34)C = (\frac{1}{4},\frac{\sqrt{3}}{4})

1−1/22cos⁡θ+3(1/2)2sin⁡θ=1\frac{1 - 1 / 2}{2\cos\theta} +\frac{\sqrt{3(1 / 2)}}{2\sin\theta} = 1
14cos⁡θ+34sin⁡θ=1\frac{1}{4\cos\theta} +\frac{\sqrt{3}}{4\sin\theta} = 1
1cos⁡θ+3sin⁡θ=4\frac{1}{\cos\theta} +\frac{\sqrt{3}}{\sin\theta} = 4

sin⁡θ+3cos⁡θ=4sin⁡θcos⁡θ\sin \theta +\sqrt{3}\cos \theta = 4\sin \theta \cos \theta

sin⁡θ+3cos⁡θ=2sin⁡(2θ)\sin \theta +\sqrt{3}\cos \theta = 2\sin (2\theta)

Divisons par 2 : 12sin⁡θ+32cos⁡θ=sin⁡(2θ)\frac{1}{2}\sin \theta +\frac{\sqrt{3}}{2}\cos \theta = \sin (2\theta)

sin⁡(θ+π3)=sin⁡(2θ)\sin (\theta +\frac{\pi}{3}) = \sin (2\theta)

θ+π3=2θ+2πk\theta +\frac{\pi}{3} = 2\theta +2\pi k, ou θ+π3=π−2θ+2πk\theta +\frac{\pi}{3} = \pi - 2\theta +2\pi k

θ=π3−2πk\theta = \frac{\pi}{3} - 2\pi k, donc θ=π3\theta = \frac{\pi}{3}

3θ=π−π3+2πk=2π3+2πk3\theta = \pi - \frac{\pi}{3} +2\pi k = \frac{2\pi}{3} +2\pi k

θ=2π9+2πk3\theta = \frac{2\pi}{9} +\frac{2\pi k}{3}

Si k=0k = 0, θ=2π9\theta = \frac{2\pi}{9}

Si k=1k = 1, θ=2π9+2π3=2π+6π9=8π9\theta = \frac{2\pi}{9} +\frac{2\pi}{3} = \frac{2\pi + 6\pi}{9} = \frac{8\pi}{9}

Si λ=12\lambda = \frac{1}{2} , le point est (14,34)(\frac{1}{4},\frac{\sqrt{3}}{4})

Ce point se trouve sur les segments correspondant à θ=π3\theta = \frac{\pi}{3} et θ=2π9\theta = \frac{2\pi}{9}

Le point unique CC signifie que pour d'autres valeurs de λ\lambda , il y a plus d'une solution pour (x,y)(x,y)

Considérons la tangente au cercle unité passant par CC

Si la tangente est unique, CC est sur le cercle unité.

Cela conduit à λ=1±134\lambda = \frac{1\pm\sqrt{13}}{4} , dont aucun n'appartient à (0,1)(0,1)

Considérons l'interprétation géométrique de la famille F\mathcal{F} . Les segments relient des points sur les axes de sorte que la distance soit 1.

Le lieu des centres de ces segments est le cercle (x−12)2+(y−12)2=12(x - \frac{1}{2})^{2} + (y - \frac{1}{2})^{2} = \frac{1}{2} , dans le premier quadrant.

Si un point CC se trouve sur un segment de F\mathcal{F} , alors CC est sur un segment de droite reliant (x,0)(x,0) et (0,y)(0,y) avec x2+y2=1x^{2} + y^{2} = 1

La droite contenant le segment est xx0+yy0=1\frac{x}{x_{0}} +\frac{y}{y_{0}} = 1

Si CC appartient à un unique segment, alors il existe une unique droite de cette forme passant par CC

Le point CC sur AB‾\overline{AB} est (12−12λ,32λ)(\frac{1}{2} - \frac{1}{2}\lambda ,\frac{\sqrt{3}}{2}\lambda)

Nous avons besoin d'un unique (x0,y0)(x_{0},y_{0}) avec x02+y02=1,x0,y0>0x_{0}^{2} + y_{0}^{2} = 1,x_{0},y_{0} > 0 , tel que 12−12λx0+32λy0=1\frac{\frac{1}{2} - \frac{1}{2}\lambda}{x_{0}} +\frac{\frac{\sqrt{3}}{2}\lambda}{y_{0}} = 1

Soit le point CC tel que la droite passant par CC de la forme xx0+yy0=1\frac{x}{x_{0}} +\frac{y}{y_{0}} = 1 soit unique, sous la contrainte x02+y02=1x_{0}^{2} + y_{0}^{2} = 1

Cette droite est tangente au cercle unité.

Le point CC se trouve à l'intersection de la droite contenant AB‾\overline{AB} et du cercle unité.

(12−12λ)2+(32λ)2=1.(\frac{1}{2} -\frac{1}{2}\lambda)^{2} + (\frac{\sqrt{3}}{2}\lambda)^{2} = 1.

Nous n'avons trouvé aucune solution pour λ∈(0,1)\lambda \in (0,1) Le point unique CC signifie que si un autre segment passe par CC , il doit être AB‾\overline{AB} .

Considérons la pente de la droite contenant le segment reliant (x,0)(x,0) et (0,y)(0,y) . La pente est −yx- \frac{y}{x} .

L'équation est y=−yxx+yy = - \frac{y}{x} x + y .

Si CC se trouve sur le segment, alors 1−λ2x+3λ2y=1\frac{1 - \lambda}{2x} +\frac{\sqrt{3}\lambda}{2y} = 1 .

Considérons la moyenne géométrique.

Soit le point CC de coordonnées (a,b)(a,b) . Le segment reliant (x,0)(x,0) et (0,y)(0,y) passe par (a,b)(a,b) . ax+by=1\frac{a}{x} +\frac{b}{y} = 1 . Si CC est sur AB‾\overline{AB} , alors b=−3a+32b = - \sqrt{3} a + \frac{\sqrt{3}}{2} . a=12−12λ,b=32λa = \frac{1}{2} - \frac{1}{2}\lambda ,b = \frac{\sqrt{3}}{2}\lambda .

Le point CC est tangent à l'enveloppe de la famille de segments.

Solution : Soit la famille de segments F\mathcal{F} . Les segments ont pour extrémités P=(x,0)P = (x,0) et Q=(0,y)Q = (0,y) avec x2+y2=1x^{2} + y^{2} = 1 et x,y>0x,y > 0 . Les points sur le segment PQ‾\overline{PQ} satisfont xy+yx=1\frac{x}{y} +\frac{y}{x} = 1 . Les segments se trouvent sur les droites xx0+yy0=1\frac{x}{x_{0}} +\frac{y}{y_{0}} = 1 , où x02+y02=1x_{0}^{2} + y_{0}^{2} = 1 , x0,y0>0x_{0},y_{0} > 0 .

Le segment AB‾\overline{AB} a pour extrémités A(12,0)A(\frac{1}{2},0) et B(0,32)B(0,\frac{\sqrt{3}}{2}) . L'équation de la droite contenant AB‾\overline{AB} est y=−3x+32y = - \sqrt{3} x + \frac{\sqrt{3}}{2} .

Un point CC sur AB‾\overline{AB} peut être paramétré par C=(12−12λ,32λ)C = (\frac{1}{2} - \frac{1}{2}\lambda ,\frac{\sqrt{3}}{2}\lambda) , où 0≤λ≤10\leq \lambda \leq 1 .

Si CC appartient à un segment de F\mathcal{F} d'extrémités (x,0)(x,0) et (0,y)(0,y) , alors 12−12λx+32λy=1\frac{\frac{1}{2} - \frac{1}{2}\lambda}{x} +\frac{\frac{\sqrt{3}}{2}\lambda}{y} = 1 .

Nous cherchons un point unique CC sur AB‾\overline{AB} , distinct de AA et BB , qui n'appartient à aucun segment de F\mathcal{F} autre que AB‾\overline{AB} . Cela signifie que la seule solution (x,y)(x,y) de l'équation avec x2+y2=1x^{2} + y^{2} = 1 , x,y>0x,y > 0 , est (12,32)(\frac{1}{2},\frac{\sqrt{3}}{2}) .

Les segments de F\mathcal{F} sont des parties des tangentes au cercle unité. Le point CC doit être tangent à l'enveloppe de la famille de segments. L'enveloppe est le cercle unité lui-même.

Le point unique CC sur AB‾\overline{AB} , distinct de AA et BB , qui se trouve sur le cercle unité. Nous devons résoudre :

(12−12λ)2+(32λ)2=1(\frac{1}{2} -\frac{1}{2}\lambda)^{2} + (\frac{\sqrt{3}}{2}\lambda)^{2} = 1

λ=12\lambda = \frac{1}{2} . Le point C=(14,32)C = (\frac{1}{4},\frac{\sqrt{3}}{2}) .

OC2=(14)2+(34)2=116+316=416=14.O C^{2} = (\frac{1}{4})^{2} + (\frac{\sqrt{3}}{4})^{2} = \frac{1}{16} +\frac{3}{16} = \frac{4}{16} = \frac{1}{4}.

OC2=14=pqO C^{2} = \frac{1}{4} = \frac{p}{q} , donc p=1p = 1 , q=4q = 4 . pp et qq sont premiers entre eux. p+q=1+4=5p + q = 1 + 4 = 5 .

Réponse finale : La réponse finale est 5\boxed{5}

F. Contrôle de version

V2→V3\mathbf{V}2 \rightarrow \mathbf{V}3 (2025- 03) :

Ajout de §A\S \mathrm{A}

Ajout du nombre d'échantillons corrects dans §2\S 2

V1→V2\mathbf{V}1 \rightarrow \mathbf{V}2 (2025- 02) :

Ajout de citations et autres petites modifications rédactionnelles