强化学习助力AI数学推理能力大幅提升

国内研究团队利用5000条合成数据进行强化学习，成功让7B小模型在逻辑推理测试中超越OpenAI o1，并在未见过的美国数学奥林匹克测试中实现125%的性能提升。该成果发表于论文《Logic-RL》，首次全面分析了类R1强化学习模型的训练动态。研究发现，模型输出长度增长并不等于推理能力提升，且强化学习相比有监督微调展现出更强的泛化性。团队已开源所有代码和数据，为后续研究提供了宝贵资源。
来源：https://mp.weixin.qq.com/s/YMK-ANyfeqEyJEXEwtMbcA