banner.jpg)
近日，中國電信人工智能研究院（TeleAI）發(fā)布了“復雜推理大模型”TeleAI-t1-preview。該模型使用強化學習訓練方法，大幅提升了在數(shù)學推導、邏輯推理等復雜問題上的準確性。
在數(shù)學基準評測中，TeleAI-t1-preview表現(xiàn)出色。它在AIME 2024和MATH500兩項評測中分別獲得了60和93.8的高分，超越了OpenAI的o1-preview和GPT-4o等標桿模型。在研究生級別問答測試GPQA Diamond中，TeleAI-t1-preview的得分也超過了GPT-4o，并與Claude 3.5 Sonnet的性能水準相當。
TeleAI-t1-preview不僅能夠給出正確答案，還能展示出思考和分析過程。這對于學生學習數(shù)學和理解問題背后的邏輯非常有幫助。例如，在面對三角函數(shù)的復雜等式關系時，TeleAI-t1-preview能夠通過多次假設嘗試和思路糾偏，將復雜等式轉(zhuǎn)化為簡化的方程式，并給出正確的推導過程。
在回答問題時，TeleAI-t1-preview還能夠?qū)⑿蜗笏季S與抽象思維結(jié)合，對所涉及的場景進行具象化思考，輔助理解題目。同時，它還能夠嚴謹?shù)剡M行古今單位換算，順利解決古代數(shù)學問題。
此外，TeleAI-t1-preview在策略推理問題上也表現(xiàn)出色。它能夠迅速理解游戲規(guī)則并完成破題，在解題過程中還能考慮到可能出現(xiàn)的特殊情況。
為了訓練TeleAI-t1-preview，TeleAI引入了創(chuàng)新的訓練策略。在數(shù)據(jù)準備階段，收集和構(gòu)建了一個以數(shù)學為核心、多學科為補充的高質(zhì)量推理數(shù)據(jù)集。在Judge Model評估階段，專門訓練了一個評估模型，用于分析和評估模型長思考鏈路的正確性。在SFT監(jiān)督微調(diào)階段，使用MCTS構(gòu)造高質(zhì)量長推理數(shù)據(jù)，并結(jié)合準確率和解決方案長度選擇最優(yōu)路徑。在強化學習階段，構(gòu)造了基于規(guī)則的獎勵模型，以提供準確的獎勵信號。
總的來說，TeleAI-t1-preview的發(fā)布是人工智能領域的一項重要成果。它在復雜推理問題上的出色表現(xiàn)，將為人們提供更智能、更高效的服務。TeleAI將繼續(xù)在推理模型領域研究探索，讓人工智能基于人類的“已知”，推導出期盼得到的“未知”。
