阿里通义开源数学推理过程监督模型
阿里通义团队在官方博客宣布,开源两款过程奖励模型Qwen2.5-Math-PRM-7B和72B,同时发布步骤级评测基准ProcessBench。该基准包含3400个测试用例,聚焦竞赛和奥数级数学题,每个用例标注了人类专家确认的错误步骤位置。模型需找出最早出错的步骤,或判断全部正确。在Best-of-N评测中,7B版本在7项数学任务上平均比多数投票提升1.4%。 这项工作的价值在于解决大模型数学推理的一个关键痛点:模型即使给出正确答案,中间步骤也可能存在计算或逻辑错误。过程奖励模型能逐步检查推理链条,识别中间错误,而非只看最终结果。ProcessBench则提供了标准化的步骤级评测方法,可同时评估过程奖励模型和通用模型的批判能力,填补了该领域评测基准的空白。 对研究者和开发者而言,这两个模型和基准可直接用于提升数学推理系统的可靠性。如果你在构建需要严谨推理的应用,比如教育辅导、科学计算或自动解题,过程奖励模型能帮你筛选出推理过程真正正确的答案,而不只是碰巧答对的结果。ProcessBench也可用于对比不同模型的逐步纠错能力,辅助选型。
原文:Qwen 官方博客
资讯内容仅供参考;产品功能、价格与发布日期请以原文和官方公告为准。查看原始来源 ↗
会员留言