L'équipe Qwen d'Alibaba a récemment publié un article intitulé « Leçons apprises sur le développement d'un modèle de récompense de processus pour le raisonnement mathématique » et a présenté deux nouveaux modèles de la série Qwen2.5-Math-PRM, avec 7B et 72B paramètres respectivement. Ces modèles dépassent les limites des frameworks PRM existants en matière de raisonnement mathématique, améliorant considérablement la précision et les capacités de généralisation des modèles de raisonnement grâce à des techniques innovantes. Le raisonnement mathématique représente un défi majeur pour les grands modèles de langage (LLM), en particulier dans les étapes intermédiaires du raisonnement, où des erreurs...

Kunlun Wanwei, société cotée en bourse, a récemment annoncé que ses deux nouveaux modèles de récompense, Skywork-Reward-Gemma-2-27B et Skywork-Reward-Llama-3.1-8B, ont obtenu d'excellents résultats sur RewardBench, une référence internationale d'évaluation des modèles de récompense. Le modèle Skywork-Reward-Gemma-2-27B a même obtenu la première place et a reçu les félicitations officielles de RewardBench.