Recientemente, el equipo de 360智脑 anunció que ha reproducido con éxito el efecto del aprendizaje por refuerzo de Deepseek y ha publicado oficialmente el modelo de inferencia de código abierto Light-R1-14B-DS. El rendimiento de este modelo supera a DeepSeek-R1-Distill-Llama-70B y DeepSeek-R1-Distill-Qwen-32B, convirtiéndose en el primer modelo de la industria en lograr un efecto de aprendizaje por refuerzo con una escala de parámetros de 14B, lo que mejora significativamente su capacidad de razonamiento matemático y supera los resultados de la mayoría de los modelos de 32B.

Hoy, el equipo de Tongyi de Alibaba Cloud ha lanzado oficialmente el nuevo modelo de recompensa de proceso de razonamiento matemático Qwen2.5-Math-PRM. Este modelo está disponible en dos tamaños, 72B y 7B, y su rendimiento supera significativamente a los modelos de recompensa de proceso de código abierto similares, especialmente en la identificación de errores de razonamiento. Sorprendentemente, la versión de 7B de Qwen2.5-Math-PRM supera al popular GPT-4o, un logro que marca un paso importante para Alibaba Cloud en el desarrollo de modelos de razonamiento.

El equipo de Qwen de Alibaba publicó recientemente un artículo titulado "Lecciones aprendidas en el desarrollo de modelos de recompensa de proceso en el razonamiento matemático", y lanzó dos nuevos modelos en la serie Qwen2.5-Math-PRM, con 7B y 72B parámetros respectivamente. Estos modelos superan las limitaciones de los marcos PRM existentes en el razonamiento matemático, mejorando significativamente la precisión y la capacidad de generalización de los modelos de razonamiento a través de técnicas innovadoras. El razonamiento matemático ha sido siempre un gran desafío para los modelos lingüísticos grandes (LLM), especialmente en los pasos intermedios de razonamiento, donde los errores...

Microsoft ha anunciado recientemente su nueva tecnología rStar-Math, un innovador método de razonamiento que puede aplicarse a modelos de lenguaje pequeños (SLM), mejorando significativamente su rendimiento en problemas matemáticos, incluso superando en algunos casos al modelo o1-preview de OpenAI. Esta tecnología aún se encuentra en fase de investigación, y el artículo de investigación correspondiente se ha publicado en arXiv.org, elaborado por ocho autores de Microsoft, la Universidad de Pekín y la Universidad Tsinghua. En las pruebas, la tecnología rStar-Math

Recientemente, los investigadores del equipo Qwen de Alibaba presentaron una nueva prueba de referencia llamada "PROCESSBENCH", diseñada para medir la capacidad de los modelos de lenguaje para identificar errores de proceso en el razonamiento matemático. Con los notables avances de los modelos de lenguaje en tareas de razonamiento complejo, los investigadores en este campo han descubierto que, a pesar del excelente rendimiento de los modelos, todavía enfrentan desafíos al abordar ciertos problemas difíciles. Por lo tanto, desarrollar un método de supervisión eficaz es de suma importancia. Actualmente, las pruebas de referencia para la evaluación de modelos de lenguaje presentan algunas deficiencias.

En el vasto universo de la inteligencia artificial, las matemáticas se consideraban el último bastión de la inteligencia mecánica. Ahora, una nueva prueba de referencia llamada FrontierMath ha irrumpido en escena, llevando la capacidad de razonamiento matemático de la IA a límites sin precedentes. Epoch AI, junto con más de 60 de las mentes matemáticas más brillantes del mundo, han creado este campo de batalla para la IA, que se asemeja a unas 'Olimpiadas Matemáticas'. Esto no es solo una prueba tecnológica, sino la máxima prueba de la sabiduría matemática de la inteligencia artificial. Imagine un laboratorio lleno de matemáticos de talla mundial, que han diseñado cuidadosamente...

Kimi, el asistente inteligente de la cara oscura de la luna, anuncia el lanzamiento de su nuevo modelo de razonamiento matemático k0-math. El modelo k0-math ha demostrado un rendimiento excepcional en varias pruebas de referencia de habilidades matemáticas, superando a los modelos o1-mini y o1-preview de la serie o1 de OpenAI en cuatro pruebas de referencia matemáticas: exámenes de secundaria, exámenes de acceso a la universidad, exámenes de ingreso a la universidad de posgrado y MATH, que incluye problemas de concursos de nivel principiante.

Los modelos de lenguaje grandes han demostrado un excelente rendimiento en muchas tareas, pero su capacidad de razonamiento ha sido objeto de controversia. Investigadores de Meta han publicado recientemente un artículo que muestra cómo han utilizado un modelo Transformer para resolver un problema de larga data en el campo de las matemáticas: el descubrimiento de funciones de Lyapunov globales para sistemas dinámicos. Las funciones de Lyapunov pueden determinar la estabilidad de un sistema dinámico; por ejemplo, se pueden utilizar para predecir la estabilidad a largo plazo del problema de los tres cuerpos, es decir, la trayectoria de movimiento a largo plazo de tres cuerpos celestes bajo la influencia de la gravedad. Sin embargo, todavía no se ha encontrado una solución universal.

Recientemente, los investigadores de Apple realizaron un estudio profundo sobre la capacidad de razonamiento matemático de los modelos lingüísticos grandes (LLM), lanzando una nueva prueba de referencia llamada GSM-Symbolic. Esta nueva prueba de referencia se basa en GSM8K, que se utiliza principalmente para evaluar las habilidades matemáticas básicas. Aunque muchos LLM han mejorado su rendimiento en GSM8K, la comunidad científica todavía tiene dudas sobre la capacidad de razonamiento de estos modelos, considerando que los indicadores de evaluación existentes pueden no reflejar completamente sus capacidades reales. El estudio revela...

En las últimas noticias que han sacudido al mundo de las matemáticas, un grupo de exalumnos de Tsinghua ha utilizado la IA para demostrar con éxito 162 teoremas matemáticos que antes nadie había podido resolver. ¡Lo que es aún más impresionante es que esta entidad inteligente, llamada LeanAgent, incluso ha superado el desafío formalizado por Terence Tao a la conjetura de Freiman-Ruzsa polinomial! Esto nos hace exclamar que los métodos de investigación en ciencias básicas han sido radicalmente transformados por la IA. Como todos sabemos, los actuales modelos de lenguaje grandes (LLM), aunque impresionantes, todavía son en su mayoría...

En el mundo de la inteligencia artificial, la capacidad de razonamiento de los modelos de aprendizaje automático, especialmente los modelos de lenguaje grandes (LLM), ha sido siempre un foco de atención para los científicos. Recientemente, el equipo de investigación de IA de Apple publicó un artículo titulado "Comprender las limitaciones de los modelos de lenguaje grandes en el razonamiento matemático", que nos revela las limitaciones de estos modelos al abordar problemas lógicos. En el artículo, los investigadores demuestran esto mediante un simple problema matemático. Primero plantean un problema sobre Oliver recogiendo kiwis: como se muestra a continuación: Oliver recogió 44 el viernes...

El equipo de "Tongyi Qianwen" de Alibaba ha lanzado un modelo matemático llamado Qwen2 Math Demo, que destaca en el manejo de problemas matemáticos con entrada de texto, fórmulas en imágenes y capturas de pantalla. Incluso supera a GPT-4 en el conjunto de datos MATH, mejorando su puntuación en un 9.6%. Se lanzaron tres versiones del modelo, siendo la versión de 72B particularmente destacada, no solo superando a GPT-4 en problemas matemáticos complejos, sino también superando a Llama-3.1 en conjuntos de prueba clásicos como GSM8K y MATH. El modelo se entrenó a través de...

Alibaba Cloud presenta la serie de modelos de lenguaje grandes Qwen2-Math, especializados en la resolución de problemas matemáticos. Superan a los modelos de código abierto existentes y son comparables a modelos propietarios conocidos como GPT-4, Claude-3.5-Sonnet, Gemini-1.5-Pro y Llama-3.1-405B. Esta serie se basa en el modelo Qwen2 y ha sido entrenada exhaustivamente con un corpus de datos matemáticos, incluyendo texto de internet sobre matemáticas, libros especializados, ejemplos de código y exámenes, incluso datos generados por el propio Qwen2.

Los sistemas de IA AlphaProof y AlphaGeometry2 de Google DeepMind han logrado resultados notables en la Olimpiada Matemática Internacional, obteniendo la medalla de plata y demostrando una asombrosa capacidad para resolver problemas matemáticos. AlphaGeometry2 resolvió un problema de geometría en 19 segundos, superando en velocidad y precisión a los matemáticos humanos de élite. Este logro ha sido elogiado por figuras legendarias del mundo matemático, quienes consideran que amplía los límites de la aplicación de la IA en el campo de las matemáticas. Terence Tao señaló que el progreso de la IA contribuirá a la investigación matemática.

La clasificación más reciente de LMSYS Chatbot Arena, el campo de batalla de modelos grandes de la organización LMSYS, muestra que DeepSeek-V2-0628 ocupa el primer lugar en la clasificación general de modelos de código abierto a nivel mundial, superando a numerosos modelos de código abierto como Llama3-70B, Qwen2-72B, Nemotron-4-340B y Gemma2-27B. En comparación con la versión 0507, DeepSeek-V2-0628 ha mejorado significativamente en razonamiento matemático de código, seguimiento de instrucciones, juegos de roles y JS.

El equipo de Mistral AI ha presentado recientemente MathΣtral, un modelo matemático diseñado para el razonamiento matemático complejo y el descubrimiento científico, con una ventana de contexto de 32000 tokens para abordar problemas complejos. Este modelo, basado en la licencia de código abierto Apache 2.0, tiene como objetivo apoyar a la comunidad académica y a los desarrolladores para mejorar la investigación en problemas matemáticos avanzados. MathΣtral ha demostrado un rendimiento excepcional en varias pruebas de referencia, obteniendo puntuaciones del 56,6% en MATH y del 63,47% en MMLU. Lo más destacado es...

Google DeepMind ha utilizado con éxito modelos de lenguaje grandes para resolver problemas matemáticos sin resolver. Se ha utilizado la herramienta de IA FunSearch para descubrir nueva información verificable y valiosa. FunSearch es una herramienta capaz de encontrar soluciones en el ámbito de las matemáticas. Combinada con un modelo de lenguaje grande llamado Codey, FunSearch también ha resuelto con éxito el problema del empaquetamiento de contenedores (bin packing).

TAL Education Group se centra en escenarios matemáticos y aprendizaje conversacional con IA, lanzando MathGPT, el primer modelo grande especializado en matemáticas de China. MathGPT responde detalladamente a preguntas matemáticas, incluyendo tres partes: análisis, explicación y puntos clave. Las máquinas de aprendizaje de TAL Education Group se convierten en el producto principal de MathGPT, incorporando aprendizaje conversacional con IA y funciones de asistente para resolver problemas. El aprendizaje conversacional con IA identifica las debilidades de los estudiantes mediante conversaciones de varias rondas, recibiendo elogios y algunas críticas de los padres. Las máquinas de aprendizaje de TAL Education Group enviaron 90.000 unidades en el segundo trimestre de 2023, ocupando un lugar en el mercado nacional de tabletas de aprendizaje.

智谱 AI lanza MathGLM, un modelo matemático diseñado para mejorar el rendimiento de los grandes modelos de lenguaje en el razonamiento matemático. MathGLM puede calcular con precisión operaciones aritméticas, incluyendo operaciones aritméticas básicas y operaciones mixtas complejas. MathGLM muestra un excelente rendimiento en la resolución de problemas matemáticos en chino. El rendimiento de MathGLM en tareas aritméticas supera al de GPT-4. MathGLM ha obtenido buenos resultados en la resolución de problemas matemáticos de diferentes niveles y problemas de aplicación matemática.