阿里云推出全新数学推理模型Qwen2.5-Math-PRM，7B版本超越GPT-4o

今天，阿里巴巴云通义团队正式发布了全新的数学推理过程奖励模型——Qwen2.5-Math-PRM。这个模型有72B和7B两种版本，它们在数学推理方面表现优异，远超同类开源模型。

其中，7B版本的Qwen2.5-Math-PRM尤其引人注目，它在行业内的表现甚至超过了广受欢迎的GPT-4o，标志着阿里巴巴云在推理模型开发上的一个重要里程碑。为了全面评估模型在数学推理方面的性能，通义团队还开源了首个步骤级评估标准——ProcessBench。这个评估标准包含了3400个数学问题测试案例，涵盖了国际数学奥林匹克竞赛中的难题，并且每个案例都由专家标注，以确保评估的科学性和全面性。

通过对Qwen2.5-Math-PRM在ProcessBench上的性能评估，研究团队发现无论是72B版本还是7B版本都表现得非常出色。尤其是7B版本不仅超越了其他同规模的开源模型，在某些方面甚至超过了封闭源代码的GPT-4o-0806。这表明过程奖励模型（PRM）在提升推理可靠性方面具有巨大潜力，并为未来推理过程监督技术的发展提供了新的见解。

阿里巴巴云通义团队的创新工作不仅推动了人工智能推理技术的发展，也为行业内的其他开发者提供了宝贵的参考。通过开源的方式，通义团队希望能够与更多的研究人员分享经验，并促进整个行业的技术进步。