A equipe Qwen da Alibaba publicou recentemente um artigo intitulado "Lições aprendidas no desenvolvimento de modelos de recompensa de processo em raciocínio matemático" e lançou dois novos modelos na série Qwen2.5-Math-PRM, com 7B e 72B de parâmetros, respectivamente. Esses modelos superaram as limitações das estruturas PRM existentes em raciocínio matemático, utilizando técnicas inovadoras para melhorar significativamente a precisão e a capacidade de generalização dos modelos de raciocínio. O raciocínio matemático tem sido um grande desafio para os grandes modelos de linguagem (LLM), especialmente em passos de raciocínio intermediários, onde erros...