rStar-Math est une étude visant à démontrer que des petits modèles linguistiques (PML) peuvent atteindre, voire surpasser, les capacités de raisonnement mathématique du modèle o1 d'OpenAI, sans recourir à des modèles plus puissants. Cette recherche utilise la recherche en arbre Monte-Carlo (MCTS) pour permettre une « réflexion approfondie », où un PML spécialisé en stratégies mathématiques effectue une recherche guidée par un modèle de récompense de processus basé sur un PML lors des tests. rStar-Math introduit trois méthodes innovantes pour relever le défi de l'entraînement de deux PML, améliorant leurs capacités de raisonnement mathématique à un niveau de pointe grâce à quatre cycles d'auto-évolution et des millions de solutions synthétiques. Le modèle a considérablement amélioré ses performances sur les tests de référence MATH et a obtenu d'excellents résultats lors de la compétition AIME.