阿里云通義開源全新數(shù)學推理過程獎勵模型Qwen2.5-Math-PRM
摘要: 1月17日消息，通義千問Qwen宣布開源全新的數(shù)學推理過程獎勵模型Qwen2.5-Math-PRM，包括72B和7B兩個版本，將提升大型語言模型(LLMs)在數(shù)學推理過程中的可靠性和
1月17日消息，通義千問Qwen宣布開源全新的數(shù)學推理過程獎勵模型Qwen2.5-Math-PRM，包括72B和7B兩個版本，將提升大型語言模型(LLMs)在數(shù)學推理過程中的可靠性和可信度，自動識別推理過程中的錯誤，如計算或邏輯錯誤，這些錯誤可能導(dǎo)致不正確的結(jié)論，即使最終答案正確，也可能削弱模型推理過程的可信度。
在識別推理錯誤步驟能力上，Qwen2.5-Math-PRM以7B的小尺寸超越了GPT-4o。同時，團隊還開源了首個步驟級的評估標準ProcessBench，此項評估標準填補了大模型推理過程錯誤評估的空白。
據(jù)了解，為更好衡量模型識別數(shù)學推理中錯誤步驟的能力，通義團隊提出的全新評估標準ProcessBench。該基準由3400個數(shù)學問題測試案例組成，其中還包含奧賽難度的題目，每個案例都有人類專家標注的逐步推理過程，可綜合全面評估模型識別錯誤步驟能力。這一評估標準也已開源。
相關(guān)推薦
100億！《哪吒2》背后是一個“新系統(tǒng)”的勝利
原標題：100億！《哪吒2》背后是一個新系統(tǒng)的勝利 100億！ 《哪吒2》到底做對
快資訊2025-02-14 19:13:38
《哪吒2》火到國外，激活一個高校專業(yè)，動畫專業(yè)擇校
原標題：《哪吒2》火到國外，激活一個高校專業(yè)，動畫專業(yè)擇校策略 近年來，
快資訊2025-02-12 20:30:03
新教育 · 新觀察 · 新視點
Copyright ? 2009-2024 青橘網(wǎng)—專注教育產(chǎn)業(yè)信息挖掘傳遞業(yè)內(nèi)資訊
粵ICP備2022102098號-1 深圳蜂?？萍加邢薰景鏅?quán)所有
浙公網(wǎng)安備 33052102000373號