阿里雲發佈全新數學推理模型Qwen2.5-Math-PRM，7B 版本超越 GPT-4o

今天，阿里雲通義團隊正式發佈了全新的數學推理過程獎勵模型 Qwen2.5-Math-PRM。該模型提供了72B 和7B 兩種尺寸，性能表現均顯著優於同類的開源過程獎勵模型，尤其是在識別推理錯誤方面表現突出。

Qwen2.5-Math-PRM 的7B 版本令人驚訝地超越了業界廣受歡迎的 GPT-4o，這一成就標誌着阿里雲在推理模型的研發上邁出了重要的一步。爲了全面評估模型在數學推理中的表現，通義團隊還開源了首個步驟級的評估標準 ——ProcessBench。這個評估標準涵蓋了3400個數學問題測試案例，其中還包括國際奧林匹克數學競賽的難度題目，每個案例均由人類專家標註了詳細的推理過程，確保評估的科學性和全面性。

通過對 Qwen2.5-Math-PRM 在 ProcessBench 上的表現評估，研究團隊發現，不論是72B 還是7B 尺寸的模型，均表現出色。特別是7B 版本，不僅超越了同尺寸的開源模型，甚至在某些方面還超過了閉源的 GPT-4o-0806。這證明了過程獎勵模型（PRM）在提高推理可靠性方面的巨大潛力，併爲未來推理過程監督技術的發展提供了新的思路。

阿里雲通義團隊的這項創新性工作，不僅推動了人工智能推理技術的進步，也爲行業內其他開發者提供了寶貴的參考。通過開源的方式，通義團隊希望能夠與更多研究者共享經驗，推動整個行業的技術進步。