阿里开源新模型:超GPT-4o,数学能力全球第一! siyushenqi.com • 2025 年 8 月 13 日 下午11:44 • 行业动态 • 阅读 425 阿里巴巴开源了最新数学模型Qwen2-Math,一共有基础和指令微调两种版本,包括1.5B、7B和72B三种参数。 阿里巴巴开源了最新数学模型Qwen2-Math,一共有基础和指令微调两种版本,包括1.5B、7B和72B三种参数。 根据阿里在主流数学基准测试显示,Qwen2-Math-72B指令微调版本的性能超过了GPT-4o、Cloude-3.5-Sonnet、Gemini-1.5Pro等知名闭源模型,就连Meta最新开源的超强模型Llama-3.1-405B也照样拿下。 也就是说,Qwen2-Math-72B是目前全球最强的数学推理大模型。不知能否挑战一下前不久谷歌刚获得国际数学奥林匹克竞赛银牌,仅差1分获得金牌的双混合模型AlphaProof和AlphaGeometry 2(这两个模型还处于研究阶段)。 开源地址:https://huggingface.co/Qwen Github:https://github.com/QwenLM/Qwen2-Math?tab=readme-ov-file 基础模型 Qwen2-Math的基础模型使用Qwen2-1.5B、7B和72B进行初始化,然后在精心设计的高质量数学专用语料库上进行预训练,该语料库包含大规模高质量的数学网络文本、书籍、代码、考试题目以及由 Qwen-2 模型合成的数学预训练数据。 阿里在在三个英语数学基准 GSM8K、Math 和MMLU-STEM 上评估了Qwen2-Math 基模型。同时评估了三个中国数学基准 CMATH,GaoKao Math Cloze 和 GaoKao Math QA,所有评估均使用 Few-shot CoT 方式。 结果显示,Qwen2-Math基础模型的性能大幅度超越了Llama-3.1-8B/7B/405B全系列。 指令微调模型 在开发指令微调模型方面, Qwen2-Math-72B 训练的模型采用了密集的奖励信号与二元信号的结合,二元信号在此起到指示模型是否正确回答问题的作用,类似于分类任务中的标签,有助于模型在训练过程中进行自我校正。 结合信号后,模型通过拒绝采样方法构建了SFT数据集。拒绝采样是一种蒙特卡罗方法,通过在更大范围内按照均匀分布随机采样,然后接受或拒绝采样点来估计复杂问题的概率分布。 这种方法在处理复杂概率分布时特别有用,因为它不要求分布的概率分布函数可逆,从而解决了一些分布难以直接采样的问题 。 随后使用GRPO强化学习算法进行优化,这是近端策略优化的一种变体,通过迭代过程进行训练,其中奖励模型会根据策略模型的输出不断更新,以确保策略的持续改进 。 阿里使用英语和中文的数学基准评测对Qwen2-Math-72B指令微调模型进行了综合评估。还使用了更有难度的OlympiadBench、CollegeMath、高考(GaoKao)、AIME2024、 AMC2023以及中国2024年高考/中考数学题进行了测试。 结果显示,其数学推理性能大幅度超越了GPT-4o、Claude-3.5-Sonnet、Gemini-1.5-Pro 和 Llama-3.1-405B等知名开闭源模型。阿里表示,Qwen2-Math已经能解答一些数学竞赛难题,包括多道IMO竞赛题。 在预训练和微调数据集上阿里都进行了去污染处理,特别是清洗了对GSM8K、MATH、Aqua、SAT Math、OlympiadBench、College Math等知名基准测试数据集有重叠的正例污染样本,以保证测试效果的准确性、公平性。 目前,Qwen2-Math模型仅支持英文,但阿里表示会很快推出中英双语版本,帮助更多的用户开发生成式AI应用。 相关阅读外贸展会后怎么跟进客户?72小时、7天、30天的完整SOP网易辟谣:王怡未离职,部分营销团队并入事业部OpenAI内部信"摊牌":微软联盟已成枷锁,将押注亚马逊合作突围哔哩哔哩首次全年盈利、友谊时光靠女性向小游戏扬眉吐气丨9家游戏公司财报深度拆解群核科技开启全球招股;众擎机器人完成2亿美元B轮融资;红熊AI完成2.1亿元A轮融资丨投融资周报需要日本PayPal代付;社交APP伊拉克支付提现渠道;收巴西各类流量;海外买量|私域神器每周合作精选No.201一周要闻NO.195丨恶意软件入侵谷歌商店;9家游戏公司财报深度拆解;非洲市场又一电商巨头退场;Meta首个"超级智能"模型亮相微软或考虑将《使命召唤》移出Xbox Game Pass泡泡玛特进军巴西:先打假冒伪劣智元机器人,一分为四! 本文源自「私域神器」,发布者:siyushenqi.com,转载请注明出处:https://www.siyushenqi.com/34029.html 赞 (0) 打赏 微信扫一扫 支付宝扫一扫 0 0 生成海报 关于作者 siyushenqi.com 关注私信 13.9K 文章 0 评论 425 问题 18 粉丝 私域神器:海外私域营销拓客软件 OpenAI,雪崩开始了吗? 上一篇 2025 年 8 月 13 日 下午11:44 阿里开源新语音模型,比OpenAI的Whisper更好! 下一篇 2025 年 8 月 13 日 下午11:44 相关推荐 行业动态 出海与小游戏“二八定律”加剧:头部吃肉,尾部连汤都喝不上? 出海和小游戏一直是游戏股财报的重要角色,但它们的发展各有不同。 siyushenqi.com 2025 年 8 月 17 日 472000 预约达7000万!腾讯光子生存手游《黎明觉醒:生机》定档2月开测 光子工作室群在开放世界领域的全新布局 siyushenqi.com 2025 年 8 月 24 日 • 行业动态 467000 行业动态 私域神器每周合作精选No.195|第五王国寻国内及海外合作;寻找支付资源;找支付代理商;AI工具变现 本期精选的合作类型涵盖第五王国寻国内及海外合作;寻找支付资源;找支付代理商;AI工具变现等。接下来就一起看看吧~ siyushenqi.com 2026 年 3 月 2 日 264000 行业动态 小心!最新AI看一眼照片就定位你在哪里,精确到经纬度 现在,AI只需随意一张照片,就能知道你在哪里,而且是可以精确到经纬度的那种! siyushenqi.com 2025 年 8 月 13 日 431000 行业动态 挣钱越来越难后,游戏引擎厂商们选择加入虚拟世界 游戏引擎的路子还有很多。 siyushenqi.com 2025 年 8 月 18 日 470000 行业动态 RCS群发工具评测:功能、性能与性价比比较 RCS群发工具通过富媒体和互动功能提升信息传递效率,支持图片、音频、视频等元素,适用于营销和客户服务。其灵活的API接口简化了系统集成,提升了用户参与度和转化率。尽管具备诸多优势,RCS群发工具的成本和性能差异仍是企业选择的重要考虑因素。 siyushenqi.com 2026 年 1 月 25 日 334000 行业动态 官方出品,OpenAI手把手教你写,ChatGPT提示词 用户反映使用ChatGPT等AI产品时,内容生成效果不理想,尤其是在论文写作等高频使用场景。为了提高效率,建议使用OpenAI提供的文本提示教程来更好地挖掘ChatGPT的潜力。 siyushenqi.com 2025 年 8 月 13 日 393000 史上增速最快消费级应用,ChatGPT月活用户突破1亿 继去年 12 月以最快速度(5天)突破百万用户之后,ChatGPT又创造了一个新的历史记录。 siyushenqi.com 2025 年 8 月 14 日 • 行业动态 408000 行业动态 昆仑万维推出全球首款 AI 短剧平台 SkyReels,「一人一剧」时代来临 8月19日,昆仑万维发布全球首个集成视频大模型与3D大模型的AI短剧平台SkyReels。 siyushenqi.com 2025 年 8 月 13 日 471000 爆款文具走红TikTok,小卖靠品类年赚13万美元 文具用品的需求正日益旺盛。 siyushenqi.com 2025 年 8 月 13 日 • 行业动态 455000 行业动态 谷歌、亚马逊前员工创业,用“抽卡”玩法切入AI教育,这一模式能走多远? AI+学习的“抽卡式”解法。 siyushenqi.com 2025 年 9 月 25 日 395000 因中印关系恶化 阿里巴巴将印度投资计划推迟六个月 据路透社报道,两位了解计划的消息人士表示,中国的阿里巴巴集团已经搁置了投资印度公司的计划 siyushenqi.com 2025 年 8 月 26 日 • 行业动态 506000 让人三天爆肝20小时的修仙自走棋,到底有什么魅力? 修仙+卡牌+自走棋,修仙这一题材一直都是国内玩家中火热的品类,但与其他两项相结合却是闻所未闻。 siyushenqi.com 2025 年 8 月 24 日 • 行业动态 508000 行业动态 拿到千万美元融资后硬刚Pika,Haiper为什么火了? 成立两年多,Haiper拿到近2000万美元融资,资本为何对其持续看好? siyushenqi.com 2025 年 8 月 13 日 438000 行业动态 2023游戏行业人才走势:泡沫破裂之后 再见,人才战。 siyushenqi.com 2025 年 8 月 24 日 450000 1年时间获一亿美元融资,技术大佬把连衣裙卖出圈 在时尚流行界,运动服永远是最不会过时的衣服品类。特别是近两年,大多数千禧一代和 Z 世代的女性的衣柜里,或多或少都出现过一件这样的短裤搭配——运动连衣裙。 siyushenqi.com 2025 年 8 月 13 日 • 行业动态 501000 《神觉者》正成为莉莉丝征战全球的新爆款? 最近一段时间内,要说卡牌出海的最大赢家,非莉莉丝的《神觉者》(Dislyte)莫属。 siyushenqi.com 2025 年 8 月 24 日 • 行业动态 467000 行业动态 天美这帮人憋了7年,做了个「不用走路」的开放世界 玩家,也会有另一个共同身份。 siyushenqi.com 2025 年 8 月 18 日 438000 行业动态 TikTok Shop东南亚9.9大促即将开启,卖家爆单机会来了 借力重量级大促,TikTok Shop决心征服东南亚市场。 siyushenqi.com 2025 年 8 月 13 日 445000 从濒临倒闭到跨境大卖!这家螺丝刀代工厂成功转型,年售7000万美金 一把螺丝刀叩开了澳洲市场的大门! siyushenqi.com 2025 年 8 月 13 日 • 行业动态 400000 行业动态 洞察拉美(五)丨支付:旧壁垒和新趋势 国庆假期中,我们将对拉美进行榜单、游戏、泛娱乐以及支付方向的全面洞察,帮助出海人能够顺利登陆”桑巴“大陆,打开新世界大门! siyushenqi.com 2025 年 8 月 3 日 460000 行业动态 走访印尼食品企业的一点点品类思考 抓住消费风口,聚焦消费者需求,结合自身定位打好品类之战。 siyushenqi.com 2025 年 8 月 3 日 496000 行业动态 如何通过instagram裙发出海营销拓客引流 如今已经是数字化营销时代,如何利用社交媒体平台实现精准营销引流和拓展客户群体是每个企业主关注的重点。Instagram作为全球知名的社交媒体平台之一,数亿的客户数据,为企业提供了巨大的推广潜力。特别是在Instagram这个以图文、视频分享为主的平台上,通过引流软件找到潜在客户变得愈发重要。本文将探讨一些实用的方法,帮助您在Instagram上精准定位并找到… siyushenqi.com 2025 年 8 月 13 日 下午11:44 425000 又一爆款走红TikTok,80年代的衣橱必备单品 今年时尚服饰新趋势 siyushenqi.com 2025 年 8 月 12 日 • 行业动态 436000 腾讯成立新洛杉矶工作室,加速布局海外游戏 十年磨一剑 siyushenqi.com 2025 年 8 月 25 日 • 行业动态 483000 行业动态 首日破发,“AIGC第一股”出门问问今日上市 开盘跌超21%,最新股价为3.1港元/股。 siyushenqi.com 2025 年 8 月 13 日 431000 行业动态 短剧掘金500亿市场,向海外和精品化狂奔 2023年,短剧行业的发展势头强劲,其生产规模和消费规模进入全新阶段,但同时也伴随着一些问题和挑战。 siyushenqi.com 2025 年 8 月 18 日 445000 为爱发电怎么做成全球生意?卖遍北美的COS服来自中国这个品牌 精致的妆容、打破次元壁的服饰,为了热爱的角色倾尽热情与热爱的人们,正是喜爱Cosplay的二次元人群。 siyushenqi.com 2025 年 8 月 5 日 • 行业动态 486000 行业动态 OpenClaw常见错误排查与性能优化方法 OpenClaw 使用过程中,常见错误和性能瓶颈问题影响系统稳定性。通过有效的排查方法,可以快速定位并解决启动失败、网络连接问题及性能瓶颈等障碍。此外,文章还分享了关于资源管理、网络优化及 CPU、内存管理的优化技巧。 siyushenqi.com 2026 年 3 月 9 日 446000 《灵契少女》新品游戏找发行 《灵契少女》新品游戏找发行 siyushenqi.com 2025 年 8 月 25 日 • 行业动态 418000 发表回复 请登录后评论...登录后才能评论 提交