克雷西 发自 凹非寺 转发自量子位公众号
最强数学大模型,现在易主!
阿里千问大模型团队发布的Qwen2-Math,不仅超越了Llama 3.1-405B,也战胜了GPT-4o、Claude 3.5等一系列闭源模型。
而且还会解决竞赛级试题,在GPT-4只能做对一道的AIME 24中,Qwen2-Math答对的题目数量达到了两位数。
Qwen2-Math一共有三个参数量的版本——72B,7B和1.5B。
最强的72B版本,在MATH数据集上比GPT-4o多得了7分,按比例算高出了9.6%。
7B版本也用不到十分之一的参数量,超过了72B的开源数学模型NuminaMath。
而且这个NuminaMath来头不小,它的7B版本在全球首届AIMO中获奖,奖项由数学大牛陶哲轩颁发。
阿里高级算法专家林俊旸激动地宣布,千问团队把Qwen2模型变成了一个数学高手。
fast.ai创始人Jeremy Howard看了直呼amazing。
网友更是惊叹,原来这才是真正的“草莓”,这是开源的胜利,也是所有人的胜利。
超越GPT4o,会做竞赛级试题
如前文所说,Qwen2-Math共有72B、7B和1.5B三个参数规模,分别由对应规模的Qwen2基础模型改造而成。
在基础模型之上,团队使用精心设计的数学专用语料库进行了预训练,训练数据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Qwen2模型合成的数学预训练数据。
结果,在GSM8K、MATH等经典数学测试集上,Qwen2-Math-72B的数学能力都超过了405B的Llama-3.1。
这些数据集,涉及的问题涵盖了代数、几何、计数与概率、数论等多种类型。
除了这些英文的数据集,Qwen2-Math还专门挑战了中文数据集CMATH,还有高考试题。
在中文数据集上,1.5B版本的成绩就超过了70B的Llama 3.1,而且三个版本相当于同规模的Qwen2基础模型,成绩都有明显提升。
在Qwen2-Math的基础之上,千问团队还微调出了Instruct版本。
具体来说,团队基于Qwen2-Math-72B训练一个数学专用的奖励模型,将奖励信号与正误判断信号结合作为学习标签,再通过拒绝采样构建监督微调(SFT)数据,最后在SFT模型基础上使用GRPO方法优化。
在MATH数据集上的零样本测试显示,1.5B的Instruct就能取得70%的准确率,比70B的Llama 3.1还高。
此外,研究团队还引入了难度更大的OlympiadBench、CollegeMath和英译版高考试题等更困难的测试集。
作者让Qwen2-Math采用了贪心(greedy)、RM@8和Maj@8三种策略,结果无论是哪一种,Qwen2-Math的成绩全都超过了同规模的Llama 3.1。
中文数据集方面,Qwen2-Math还挑战了今年最新的中高考试题,与Llama 3.1相比优势十分明显。
值得一提的是,为了减少测试成绩当中的“水分”,千问团队专门从训练数据集中去除了所有和测试集重叠的部分。
而且除了精确匹配,还运用了更严格的13-gram去重策略,只要最长公共序列的比率应大于0.6就会被去除。
后训练的过程也是如此,涉及的数据集,甚至测试成绩中没展示的Aqua、SAT Math,全都被从数据当中剔除。
另外,Qwen2-Math-Instruct已经具备了解决一些简单的竞赛级试题的能力。
比如在AIME 24的30道题当中,Qwen2-Math-72B-Instruct用rm@256策略能够做对11道。
像GPT-4 Turbo、Claude 3 Opus和Gemini 1.5 PRo这些先进模型都只能做对一两道。
而且最小的1.5B版本也能在rm@256的条件下做对五道题,已经超过了这三家模型。
另外,Gemini 1.5 Pro有一个专门针对数学任务的版本,但也只能做对七八道题目,Qwen2-Math-72B-Instruct是第一个做对的题目数量达到两位数的模型。
在官方文档中,千问团队也展示了一些示例,比如奥赛级数学测试集Math Odyssey当中有这样一道题目。
这道题目涉及到组合数学和图论,具体又包括了完全图、二部图等概念。
此外还需要理解如何将这些概念应用于特定性质结构的构建,需要较强的抽象思维能力和对图论结构的深刻理解。
Qwen2-Math的解决方案是这样的,从中可以看出确实是运用到了图论方法。
最终,Qwen2-Math正确地回答了这道题目。
中文为机翻,仅供参考
不过,目前发布的Qwen2-Math主要针对英文场景,中英双语版本将会在之后推出。
另外,根据Qwen2-Math的许可协议,该模型对大部分用户来说可以免费商用,但对于72B版本,如果每月活跃用户数超过1亿,就需要向千问团队申请许可了。
项目主页:
https://qwenlm.github.io/zh/blog/qwen2-math/
参考链接:
https://x.com/JustinLin610/status/1821554112192012291
随着科学技术的快速发展,数据统计分析已成为解决复杂问题的重要工具。同时,科技政策对于推动科技创新、优化资源配置、促进社会经济发展具有重要作用。为推广统计分析与数据科学在科技政策研究中的应用,提高公众对数据驱动管理的认识,推动科技政策决策的科学化和精准化。四川省科学学与科技政策研究会、成都航空航天学会共同主办了:2024年全国统计与数据科学应用大赛。
竞赛官网
组织单位
四川省科学学与科技政策研究会
成都航空航天学会
参赛对象
大赛面向所有在校学生(包含研究生、本科、专科生),具体要求如下:
1、参赛队员人数为1-3人,参赛队员必须全部为在校生,允许跨校、跨年级、跨专业组队。
2、参赛组别的确定依据是团队成员中最高在读学历。
3、每支参赛队伍允许最多有一名指导老师,指导老师须为全职高校老师,队伍也可以没有指导老师。
时间安排
【报名时间】
2024年7月8日00:00至2024年8月23日18:00
【参赛论文提交时间】
2024年8月23日18:00至2024年8月26日18:00
【成绩公布时间】
2024年9月30日
【证书下载时间】
2024年9月30日即证书落款日期
竞赛主题
竞赛将围绕以下几个方面展开(仅供参考,不仅限下列方面):
1. 新质生产力的统计分析与政策优化:探索和分析新质生产力在科技政策中的应用,通过统计模型提供政策建议。
2. AIGC在科技政策中的应用:研究人工智能生成内容(AIGC)的发展趋势及其对科技政策的影响,提出相应的优化策略。
3. 数据驱动的科技政策创新:利用先进的统计分析方法和工具,挖掘数据背后的规律,为科技政策制定提供科学依据。
奖项设置
特等奖(1%)
一等奖(5%)
二等奖(15%)
三等奖(25%)
优秀奖(若干)
特等奖奖金200元+成果转化补贴300元
优秀论文将有机会在相关学术期刊上发表
评阅标准
得分项 分值 选题是否新颖,有一定的前瞻性、有实用价值 15 相关假设是否具有合理性、数据基础是否可靠 15 模型的过程是否完整规范、结果解读是否准确、可靠 40 论文结构安排是否合理、层次逻辑是否清晰、是否进行足够的模型检验 30
联系方式
负责人QQ:442390726(苏老师)
竞赛交流群:557236794
BONUS TIME
数学建模资料、视频讲解、历年赛题
后台回复 【校苑】领取
推荐阅读(点击下方图片即可跳转)
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.