阿里云通义开源全新数学推理过程奖励模型Qwen2.5-Math-PRM，涵盖72B和7B两种尺寸，性能超越同类开源模型。尤其在7B小尺寸下，其识别推理错误的能力超过GPT-4o。通义团队还开源了首个步骤级评估标准ProcessBench，填补了大模型推理过程错误评估的空白。 当前大模型推理过程中常出...