摘要: 1月17日消息，通義千問(wèn)Qwen宣布開源全新的數(shù)學(xué)推理過(guò)程獎(jiǎng)勵(lì)模型Qwen2.5-Math-PRM，包括72B和7B兩個(gè)版本，將提升大型語(yǔ)言模型(LLMs)在數(shù)學(xué)推理過(guò)程中的可靠性和
1月17日消息，通義千問(wèn)Qwen宣布開源全新的數(shù)學(xué)推理過(guò)程獎(jiǎng)勵(lì)模型Qwen2.5-Math-PRM，包括72B和7B兩個(gè)版本，將提升大型語(yǔ)言模型(LLMs)在數(shù)學(xué)推理過(guò)程中的可靠性和可信度，自動(dòng)識(shí)別推理過(guò)程中的錯(cuò)誤，如計(jì)算或邏輯錯(cuò)誤，這些錯(cuò)誤可能導(dǎo)致不正確的結(jié)論，即使最終答案正確，也可能削弱模型推理過(guò)程的可信度。
在識(shí)別推理錯(cuò)誤步驟能力上，Qwen2.5-Math-PRM以7B的小尺寸超越了GPT-4o。同時(shí)，團(tuán)隊(duì)還開源了首個(gè)步驟級(jí)的評(píng)估標(biāo)準(zhǔn)ProcessBench，此項(xiàng)評(píng)估標(biāo)準(zhǔn)填補(bǔ)了大模型推理過(guò)程錯(cuò)誤評(píng)估的空白。
據(jù)了解，為更好衡量模型識(shí)別數(shù)學(xué)推理中錯(cuò)誤步驟的能力，通義團(tuán)隊(duì)提出的全新評(píng)估標(biāo)準(zhǔn)ProcessBench。該基準(zhǔn)由3400個(gè)數(shù)學(xué)問(wèn)題測(cè)試案例組成，其中還包含奧賽難度的題目，每個(gè)案例都有人類專家標(biāo)注的逐步推理過(guò)程，可綜合全面評(píng)估模型識(shí)別錯(cuò)誤步驟能力。這一評(píng)估標(biāo)準(zhǔn)也已開源。
原標(biāo)題：100億！《哪吒2》背后是一個(gè)新系統(tǒng)的勝利 100億！ 《哪吒2》到底做對(duì)
快資訊2025-02-14 19:13:38
原標(biāo)題：真奇葩！收700多元作業(yè)打印費(fèi)，山西太原一中學(xué)沖上熱搜 在信息傳播
快資訊2025-02-14 18:50:48
原標(biāo)題：教師唐某某，雙開，已采取刑事強(qiáng)制措施！ 據(jù)百色融媒微信公眾號(hào)消
快資訊2025-02-13 19:19:06
原標(biāo)題：《哪吒2》火到國(guó)外，激活一個(gè)高校專業(yè)，動(dòng)畫專業(yè)擇校策略 近年來(lái)，
快資訊2025-02-12 20:30:03
原標(biāo)題：Deepseek 好用嗎？深圳師生感嘆：很好很強(qiáng)大！ 近段時(shí)間以來(lái)，深圳不
快資訊2025-02-10 18:46:49
原標(biāo)題：丘成桐任院長(zhǎng)！知名大學(xué)，成立新學(xué)院！ 2月6日，香港中文大學(xué)宣布正
快資訊2025-02-08 10:16:38
原標(biāo)題：驚爆！上海某國(guó)際高中疑遭全美高校拉黑！ 學(xué)術(shù)造假風(fēng)波，一波未平
快資訊2025-02-07 20:00:58
原標(biāo)題：成都6名學(xué)生收到劍橋offer，大部分是理工學(xué)科 1月30日，劍橋大學(xué)放榜
快資訊2025-02-06 19:29:07
原標(biāo)題：全國(guó)首家！985大學(xué)，成立新學(xué)院！ 1月22日 ，西安交通大學(xué)技術(shù)經(jīng)理人
快資訊2025-01-24 19:17:19
新教育 · 新觀察 · 新視點(diǎn)
浙公網(wǎng)安備 33052102000373號(hào)