雷锋网18 天
阿里云通义开源最强过程奖励PRM模型，7B尺寸比GPT-4o更能发现推理错误
在包含GSM8K、MATH、Minerva Math等7个数学基准测试的 Best-of-N 评测中，Qwen2.5-Math-PRM-7B性能表现超越了同尺寸的开源PRMs；Qwen2.5-Math-PRM-72B的整体性能在评测 ...