Мы рады представить AceMath-RL-Nemotron-7B, модель математического мышления, полностью обученную с помощью обучения с подкреплением (RL), начиная с Deepseek-R1-Distilled-Qwen-7B. Он показывает впечатляющие результаты: точность Pass@1 69,0% в AIME 2024 (+13,5%) и точность Pass@1 53,6% в AIME 2025 (+14,4%). Интересно, что такое математическое обучение RL также повышает точность кодирования модели в LiveCodeBench, достигая 44,4 % Pass@1 (+6,8 %), демонстрируя возможности обобщения масштабированного RL-обучения. Мы делимся рецептами тренировок, журналами тренировок и подробностями обработки данных в нашем БЛОГЕ. Мы сравниваем нашу модель с моделями конкурентного рассуждения сопоставимого размера на AIME 2024, AIME 2025 и GPQA. Кроме того, мы оцениваем наши модели с помощью дополнительных математических тестов и LiveCodeBench для более полной оценки. 1. Не включайте системную подсказку; вместо этого размещайте все инструкции непосредственно в командной строке пользователя. 2. Мы рекомендуем использовать следующий формат подсказок для математических вопросов: {mathquestion}nПожалуйста, рассуждайте шаг за шагом и поместите окончательный ответ в boxed{}.\n* Ян Чен (yachen@nvidia.com), Цзихань Лю (zihanl@nvidia.com), Чанкю Ли…
Модальности:
Генерация текста
Области применения:
Математика Логика и рассуждение Диалог / чат
Задача: Генерация текста
Автор: nvidia
Теги: qwen2, nvidia, reasoning, math, reinforcement learning, conversational, en, text-generation-inference
Лайков: 26 | Загрузок: 3,699
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
