FoxBrain模型原为内部应用而设计，涵盖数据分析、决策辅助、文书协作、数学、推理解题与代码生成等功能，后续将对外开源分享。FoxBrain作为鸿海研究院AI推理LLM模型训练成果，不仅展现了强大的理解与推理能力，还能针对台湾使用者的语言风格进行优化，并在数学与逻辑推理测试中表现出色。
鸿海研究院人工智慧研究所栗永徽所长表示，「近几个月，推理能力的深化以及GPU的高效运用逐渐成为AI领域发展主流。我们的FoxBrain模型采用高效训练策略，专注于训练过程优化而非盲目堆砌算力。通过精心设计的训练方法和资源优化，我们成功打造出具备强大推理能力的本土AI模型。」
鸿海研究院人工智慧研究所在FoxBrain训练过程中，使用120张NVIDIA H100 GPU，并透过 NVIDIA Quantum-2 InfiniBand 网路进行扩展，仅花约四周的时间完成，相较于近期其他公司所推出的推理模型，以更高效率，更低成本的模型训练方式为台湾AI技术发展树立新里程碑。
FoxBrain采用 Meta Llama 3.1 为基础架构，拥有 70B 参数，在 TMMLU+ 测试资料集，大多数的领域优于国内相同规模的 Llama-3-Taiwan-70B，尤其在数学与逻辑推理方面展现卓越能力。
FoxBrain 采自主技术打造，建立 24 类主题的资料增强与品质评估机制，生成 980 亿 tokens 的高品质中文预训练资料。模型支援 128K token 上下文处理，训练采用 120 张 NVIDIA H100 GPU，累积运算达 2688 GPU 天，并以多节点平行架构确保效能与稳定性。特别运用 Adaptive Reasoning Reflection 技术，强化模型自主推理能力。
测试结果显示，FoxBrain 在数学领域表现超越 Meta Llama 3.1，较目前最佳的繁体中文大模型 Taiwan Llama 在数学测试中也有显著提升，推理能力已超越 Meta 同等级模型，虽与 DeepSeek 蒸馏模型仍有些微差距，但整体表现已逼近世界领先水准。
FoxBrain 由鸿海研究院自主研发，涵盖资料收集、清理与扩增、持续预训练、监督微调、RLAIF 及自适应推理反思等流程，稳健完成每个环节。即使算力资源有限，仍达接近世界顶尖 AI 大模型效益，展现台湾科技人才实力。FoxBrain 虽起源于集团内部应用，未来也将携手技术伙伴，扩大开源应用，推动制造业、供应链与智慧决策 AI 落地。
在模型训练过程中，NVIDIA 提供 Taipei-1 超级电脑的支持以及技术咨询，使鸿海研究院透过使用 NeMo 顺利完成模型训练。鸿海未来将透过导入 AI 大型语言模型，优化智慧制造、智慧电动车、智慧城市等三大平台的数据分析效率，让FoxBrain成为驱动智慧应用升级的重要引擎，进一步提升公司营运效益。
點擊閱讀下一則新聞
