阿里云通义开源最强进程奖赏PRM模型 7B尺度比GPT-4o更能发现推理过错

发布日期：2025-02-17 17:58:44 |   作者: ob体育app

  阿里云通义开源全新的数学推理进程奖赏模型Qwen2.5-Math-PRM，72B及7B尺度模型功能均大幅逾越同类开源进程奖赏模型。

  据悉，在辨认推理过错进程才能上，Qwen2.5-Math-PRM以7B的小尺度逾越了GPT-4o。一起，通义团队还开源了首个进程级的评价规范ProcessBench，此项评价规范填补了大模型推理进程过错评价的空白。

  据了解，为更好衡量模型辨认数学推理中过错进程的才能，通义团队提出的全新评价规范ProcessBench。该基准由3400个数学问题测验事例组成，其间还包括奥赛难度的标题，每个事例都有人类专家标示的逐渐推理进程，可归纳全面评价模型辨认过错进程才能。这一评价规范也已开源。

  此外，在ProcessBench上对过错进程的辨认才能的评价中，72B及7B尺度的Qwen2.5-Math-PRM均显示出明显的优势，7B版别的PRM模型不光逾越同尺度开源PRM模型，乃至逾越了闭源GPT-4o-0806。这证明了进程奖赏模型（PRM）可以明显提高推理的可靠性，为未来开发推理进程监督技能拓荒了新的途径。