标题：清华与英伟达合作提出新算法：监督学习也能从错误中学习？ 清华大学联合英伟达和斯坦福大学提出了一种名为NFT（Negative-aware FineTuning）的新监督学习方法。该方法基于RFT（Rejection FineTuning）算法，通过引入“隐式负向策略”来利用负向数据进行训练，从...

无需数据标注！测试时强化学习，模型数学能力暴增159%！ 清华和上海AI Lab周伯文团队提出一种新方法：测试时强化学习（TTRL），无需数据标注，仅靠模型自身生成数据即可显著提升数学能力。以Qwen-2.5-Math-7B为例，在AIME 2024竞赛题中的准确率从16.7%提升至43.3%，增幅...

3月3日，科大讯飞宣布星火X1模型升级，数学能力全面对标DeepSeek R1和OpenAI o1。此次升级显著提升了数学答题效果，尤其在竞赛级难题上表现突出。星火X1在中小学数学作业批改、辅导及题目推荐等方面也有优势。此外，升级后的星火医疗大模型X1在医疗复杂场景推理上效果超过GPT-4o及DeepSeek R1，大幅降低医疗幻觉问题。星火教师助手也升级，实现AI教学思路更清晰详实，支持思维可视化。AI法官助理则提升了法律推理能力，贯穿案情分析、证据审查等环节。

谷歌最新发布的Gemini模型（Exp 1114）在竞技场Imsys的评测中超越了OpenAI的o1模型，成为新的榜首。经过6000多名网友的匿名投票，Gemini在多个项目中表现出色，包括数学、复杂提示处理、创意写作、指令遵循、长查询处理以及多轮对话能力。尤其值得一提的是，Gemini在数学能力上与o1不分伯仲。尽管在编程方面表现一般，但其视觉能力突出，超越了GPT-4o。此外，Gemini拥有32k的上下文窗口，支持思维链功能。目前，该模型已在谷歌AI Studio上线，官方计划后续提供API。尽管一些用户对其表现持保留态度，但总体来看，这一成果让谷歌在AI领域再度领先。 摘要中的关键信息均保留，符合新闻三要素。摘要长度为213字。

【新闻摘要】 OpenAI发布的新模型o1在lmsys排行榜上全面超越Claude和谷歌Gemini模型，成为数学领域的佼佼者。o1-preview版本在数学、编码和提示领域均展现卓越能力，与最新版GPT-4o并列综合排名第二，而其迷你版o1-mini同样在多个领域与o1-preview并驾齐驱。...

标题：10行代码让大模型数学提升20%，开源研究受谷歌关注 关键信息：独立学者提出仅需10行代码就能大幅提升大模型数学能力20%的改进方案，名为"最小p采样"（min-p sampling）。此方法旨在平衡生成文本的连贯性和多样性，通过动态调整抽样阈值来实现。研究显示，该方法已在Mistral-7...

【阿里通义千问家族新成员Qwen2-Math开源发布】 阿里通义千问家族迎来数学能力超GPT-4的全新成员——Qwen2-Math。这一开源AI模型共有15亿、70亿及720亿参数三个版本，基于Qwen2 LLM构建，专为数学解题而设。据评估，在数学基准测试中，Qwen2-Math的72B指令微调模型展现出超越GPT-4、Claude-3.5-Sonnet、Gemini-1.5-Pro及Llama-3.1-405B的卓越性能。团队正积极开发支持英文与中文的双语模型，并计划进一步扩展至多语言领域。此模型的发布，旨在助力科学界解决复杂数学问题，展现出了强大的数学解题能力与潜力。 【时效性信息】 - 发布日期：2023年8月9日 - 特点：开源、数学解题能力超越GPT-4 - 计划：开发支持多语言的版本

港中文贾佳亚团队发布新成果，利用10k数据和Step-DPO算法，72B Qwen模型在数学能力上超越GPT-4等模型，提升了5.6%。该团队借鉴教育方式，通过细化DPO形成逐步应用策略，增强了大模型的推理和长链条推理任务能力。研究还展示了如何通过模型自动生成数据处理流程，仅需少量人工验证，就能有效提升模型在数学测试集上的准确性，如MATH和GSM8K，甚至在竞赛题上也有所突破。项目代码、数据和模型已开放至GitHub和Hugging Face，供学术界和公众访问。

上海AI Lab研发出名为MCTSr的8B参数数学模型，凭借蒙特卡洛算法和Llama 3技术，在奥赛级别数学题上达到与GPT-4相当的准确率。模型仅用1/200参数量，通过自我修正和评估，展示出小模型在数学上的强大性能，挑战了传统观点。研究团队在GSM-8K和MATH测试中，随着自我优化轮数增加，模型表现持续提升，甚至在新发布的Math Odyssey数据集上展现泛化能力。MCTSr代码已开源，可于GitHub获取。