最强数学模型现世，阿里千问新模型——Qwen2-Math

最新推荐文章于 2025-05-23 10:18:27 发布

会议之眼

最新推荐文章于 2025-05-23 10:18:27 发布

阅读量889

点赞数 4

文章标签：人工智能

本文链接：https://blog.csdn.net/ConferenceEye/article/details/141389130

版权

标题：最强数学模型现世！阿里千问新模型——Qwen2-Math

介绍：

近日，阿里通义团队发布了新一代数学模型Qwen2-Math。Qwen2-Math包含1.5B、7B、72B三个参数规模的基础模型和指令微调模型。其数学能力显著超越了此前的开源模型，甚至超过了闭源模型（如GPT-4o），成为当前最先进的数学专项模型之一。

Qwen2-Math包含1.5B、7B、72B三个参数规模的基础模型和指令微调模型，其中，基础模型72B版本在备受瞩目的MATH数据集上表现出色，相较于GPT-4o，它额外斩获了7分，这一优势相当于提升了9.6%的准确率。

为了考验Qwen2-Math基础模型的数学能力，团队设计了一套数学试卷，该试卷融合了三个广泛应用的英语数学基准测试集——GSM8K（针对小学数学）、Math以及MMLU-STEM，同时纳入了三个专为中国学生设计的数学基准——CMATH、高考数学小题以及高考数学大题。根据这些基准测试集的得分结果，通义千问的Qwen2-Math基础模型展现出了显著的领先优势，成绩“遥遥领先”于其他同类模型。

指令调优模型Qwen2-Math-Instruct是阿里通义团队在Qwen2大语言模型基础上，专为数学解题领域开发的进阶模型。包含多个参数规模，如72B、7B、1.5B等，其中72B版本为旗舰款。

指令微调模型基于Qwen2-Math-72B训练一个数学专用的奖励模型，用于评估模型的数学解题表现。将密集的奖励信号与指示模型是否正确回答问题的二元信号结合，用作学习标签。通过拒绝采样构建监督微调（SFT）数据，对基础模型进行指令微调。在SFT模型基础上，使用GRPO（一种强化学习方法）进一步优化模型，提升其数学解题的准确性和效率。

在权威的数学基准评测集MATH上，在MATH数据集上进行的零样本测试里，参数量为1.5B的Instruct模型以70%的准确率，超越了参数量达到70B的Llama 3.1模型。

Qwen2-Math-72B-Instruct以84%的准确率处理了代数、几何、计数与概率、数论等多种数学问题，这一成绩超越了GPT-4.0、Claude-3.5-Sonnet、Gemini-1.5-Pro和Llama-3.1-405B等主流模型。

Qwen2-Math-Instruct模型已显示出对部分竞赛级简单试题的解答能力。在AIME 24的试题集中，利用rm@256策略，其72B-Instruct版本脱颖而出，正确解答了11道题目。相比之下，诸如GPT-4 Turbo、Claude 3 Opus以及Gemini 1.5 PRo等尖端模型，它们的表现均显得逊色，仅能解答出一两道题目。尤为值得一提的是，即便是Qwen2-Math系列中规模最小的1.5B版本，在相同的rm@256条件下，也成功解答了五道题目，这一成绩已超越了前面提到的所有模型。

尽管Gemini 1.5 Pro特别推出了针对数学任务的优化版本，但在面对这些试题时，其解答正确的题目数量仍停留在七八道左右。而Qwen2-Math-72B-Instruct则以其出色的表现，成为了首个解答题目数量达到两位数（即超过十道）的模型，这无疑再次证明了其在数学解题领域的领先地位。