2025-01-16 10:42:26.AIbase.14.8k
阿里巴巴Qwen 团队发布新型过程奖励模型,数学推理再进化
阿里巴巴 Qwen 团队近日发布了题为《数学推理中过程奖励模型的开发经验教训》的论文,并推出了 Qwen2.5-Math-PRM 系列中的两个新模型,分别具有7B 和72B 参数。这些模型在数学推理中突破了现有 PRM 框架的限制,通过创新技术显著提高了推理模型的准确性和泛化能力。数学推理一直是大型语言模型(LLM)面临的重大挑战,尤其是在中间推理步骤中,错误往往会影响最终输出的准确性,这对于教育、科学计算等对精确度要求高的领域尤其成问题。传统评估方法,如 Best-of-N(BoN)策略,无法充分捕