.png)
1月10日，微软亚洲研究院发布rStar-Math技术，该技术专用于解决数学问题，采用蒙特卡洛树搜索方法。研究人员通过训练“策略模型”和“过程偏好模型”，提升了小语言AI模型的数学推理能力。测试显示，Qwen2.5-Math-7B模型准确率从58.8%提升至90.0%，Phi3-mini-3.8B模型从41.4%提升至86.4%，优于OpenAI的o1-preview模型。研究团队计划在GitHub上公开rStar-Math的代码和数据。
原文链接
本文链接：https://kx.umi6.com/article/11518.html
转载请注明文章出处
分享至
打开微信扫一扫
内容投诉
生成图片
.png "11518")
相关推荐
.png)
换一换
北交开源 o1 代码版：强化学习 + 蒙特卡洛树搜索，放出源代码、精选数据集以及衍生模型
2024-12-09 13:27:10
大模型刷数学题竟有害？CMU评估20+模型指出训练陷阱
2025-07-08 17:52:09
Llama版o1来了，来自上海AI Lab，强化学习代码已开源，基于AlphaGo Zero范式
2024-11-05 16:03:16
TeleAI “复杂推理大模型” 达竞赛级数学表现，评分超 o1-preview
2025-01-26 17:15:51
斯坦福打脸大模型数学水平：题干一改就集体降智，强如o1也失准
2025-01-06 10:19:08
谷歌研究：合成数据使大模型数学推理能力提升八倍
2025-04-07 09:47:20
不蒸馏R1也能超越DeepSeek，上海 AI Lab 用RL突破数学推理极限
2025-02-16 12:22:15
马斯克旗下xAI发布Grok 3聊天机器人 数学推理性能超GPT4o
2025-02-18 13:22:43
首次解释LLM如何推理反思！西北大学谷歌新框架：引入贝叶斯自适应强化学习，数学推理全面提升
2025-06-02 14:38:11
DeepSeek开源新模型，数学推理能力大提升
2025-05-01 09:16:24
微软推出 14B 参数小语言模型 Phi-4：专攻数学等领域复杂推理
2024-12-13 13:24:50
4B小模型数学推理首超Claude 4，700步RL训练逼近235B性能 | 港大&字节Seed&复旦
2025-07-09 15:04:14
360gpt2-o1 上线：“会思考”的国产大模型，探索 AI 推理新极限
2024-12-14 11:46:11
625 文章
422858 浏览
24小时热文
更多
-
2026-01-23 09:43:53 -
2026-01-23 08:40:41
-
2026-01-23 06:34:26
