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...

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...

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。