随着OpenAI的GPT-4在传统数学评测中屡创佳绩，北京大学和阿里巴巴的研究团队联手推出了一个全新的评测基准——Omni-MATH，旨在评估大型语言模型在奥林匹克数学竞赛级别的推理能力。这一举措不仅为AI数学能力的评估提供了新标准，也为探索AI在高级数学领域的潜力开辟了新途径。Omni-MATH的独特设计Omni-MATH评测库包含4428道竞赛级别的数学问题，涵盖33个以上的数学子领域，难度分为10个不同级别。其特点包括:高可靠性:所有题目均来自各种数学竞赛和论坛，答案经过人工验证。广泛覆盖:从

阿里云推出Qwen2-Math系列大型语言模型，专注于数学解题能力，超越现有开源模型并媲美知名闭源模型，包括GPT-4、Claude-3.5-Sonnet、Gemini-1.5-Pro和Llama-3.1-405B。这一系列的基础是Qwen2模型，经过数学专业语料库的深度预训练，涵盖数学网络文本、专业书籍、代码实例和考试题目，甚至由Qwen2自主生成的数据。Qwen2-Math-Instruct模型通过结合密集奖励信号、模型回答正确与否的二元信号和组相对策略优化技术，显著提升了数学解题能力。在实际应用中，该模型在2024年AIME、2023年AMC、国际数学奥林匹克等考试中表现出色。阿里云团队正在开发支持英语和中文的双语模型，并计划推出多语言版本，旨在提升解决复杂数学问题的能力。Qwen2-Math的推出将为教育和科研等领域带来重大变革。

Sketchpad 使 LM 能够使用线条、框、标记等进行绘图，这更接近于人类的素描，更方便推理。此外，Sketchpad 还可以在绘图过程中使用专业视觉模型，比如使用对象检测模型绘制边界框，使用分割模型绘制蒙版，以进一步增强视觉感知和推理能力。

["元象开源高性能大模型 XVERSE-65B-2 底座版专注于提升代码和数学能力。","XVERSE-65B-2 在 Continual Pre-Training 中进行了优化，训练 token 总量达 3.2 万亿。","元象的大模型在综合测评中超越了 GPT3.5 和 Llama2-70B，并全面超越开源标杆。","XVERSE-65B 在 SuperCLUE 中文通用大模型综合测评中表现出众。","元象已开源三款大模型，其中 XVERSE-65B 是国内最早开源、最大参数的免费商用模型。"]

["数学能力超过 ChatGPT、Claude Instant 1、PaLM 2-540B 等大模型","用 AI 生成的指令增强大模型能力","微软全华班开发的 WizardMath 模型火了"]