आज, अली क्लाउड की टोंगी टीम ने पूरी तरह से नए गणितीय तर्क प्रक्रिया इनाम मॉडल Qwen2.5-Math-PRM का आधिकारिक रूप से शुभारंभ किया। यह मॉडल 72B और 7B दो आकारों में उपलब्ध है, और इसके प्रदर्शन ने समान खुली स्रोत प्रक्रिया इनाम मॉडल की तुलना में स्पष्ट रूप से बेहतर परिणाम दिए हैं, विशेष रूप से तर्क की गलतियों की पहचान में। Qwen2.5-Math-PRM का 7B संस्करण ने उद्योग में प्रचलित GPT-4o को आश्चर्यजनक रूप से पार किया, यह उपलब्धि अली क्लाउड के तर्क मॉडल के विकास में महत्वपूर्ण कदम को दर्शाती है।

हाल ही में, अलीबाबा Qwen टीम के शोधकर्ताओं ने “PROCESSBENCH” नामक एक नया मापदंड प्रस्तुत किया, जिसका उद्देश्य भाषा मॉडल के गणितीय तर्क में प्रक्रिया त्रुटियों की पहचान करने की क्षमता को मापना है। जटिल तर्क कार्यों में भाषा मॉडल की उल्लेखनीय प्रगति के साथ, इस क्षेत्र के शोधकर्ताओं ने देखा है कि हालांकि मॉडल उत्कृष्ट प्रदर्शन कर रहे हैं, कुछ कठिन प्रश्नों को संभालने में उन्हें अभी भी चुनौतियों का सामना करना पड़ रहा है। इसलिए, एक प्रभावी पर्यवेक्षण विधि का विकास विशेष रूप से महत्वपूर्ण है। वर्तमान में, भाषा मॉडल के मूल्यांकन मापदंडों में कुछ कमियां हैं। एक पक्ष