漏洞： 把laji桶里的laji倒出来再捡回去，也能得分！作弊： AI疯狂倒laji→捡laji→倒laji→捡laji……分数刷到爆表！结果： 房间更乱了，但AI觉得自己是“满分员工”，而你气到吐血！

rl cot prm aime rl训练 2025-03-18 19:03  3

这些推理步骤将过程分解为更小的、结构化的推理，所以更粗白的讲，这类模型与其是学习“回答什么”不如是学习“如何”回答。

可视化 模型 推理 llm prm 2025-03-28 09:34  5

今日，阿里云通义开源全新的数学推理过程奖励模型Qwen2.5-Math-PRM，72B及7B尺寸模型性能均大幅超越同类开源过程奖励模型。

开源 阿里云 prm 2025-01-16 14:59  10

1月16日，阿里云通义开源全新的数学推理过程奖励模型Qwen2.5-Math-PRM，72B及7B尺寸模型性能均大幅超越同类开源过程奖励模型；在识别推理错误步骤能力上，Qwen2.5-Math-PRM以7B的小尺寸就超越了GPT-4o。同时，通义团队还开源首个

开源 阿里云 prm 2025-01-16 14:41  12

就在上周，满血版o1正式上线了！它首次将多模态和新的推理范式结合起来，更智能、更快速。此前，在2024年9月OpenAI推出全新o1系列模型，以“会思考的大模型”重新定义了AI的发展方向，不仅打破了此前Scaling Law可能“见顶”的质疑，也宣告了人工智能

数学 逻辑推理 prm 2024-12-27 12:03  14