現(xiàn)在，最強數(shù)學大模型，人人都可上手玩了！

一覺醒來，阿里千問大模型團隊發(fā)布了Qwen2-Math的Demo，抱抱臉在線可玩。

驚喜的是，如果嫌輸入數(shù)學公式比較麻煩，可以把想問的題截圖or掃描，上傳即可解題。

整得挺方便。

試玩界面上明確寫著，“這個試玩界面的OCR功能，由阿里千問大模型團隊Qwen2-VL提供支持；數(shù)學推理能力，由Qwen2-Math支持?！?/p>

阿里高級算法專家林俊旸也在推特評論區(qū)進一步解釋：

目前，Qwen2-VL和Qwen2-Math還是各自負責一部分。
但不久的將來，我們會把多模態(tài)能力和數(shù)學推理能力結(jié)合到一個模型上喲。

不少網(wǎng)友對這種交互模式挺買賬：

歪瑞古德！用圖像來上傳，然后等大模型解決問題，喜歡！

那么，最強數(shù)學大模型Qwen2-Math，上手效果怎么樣？

效果怎么樣？這就玩一把

是時候讓Qwen2-Math過五關(guān)斬六將了！

先來幾道比較簡單的計算題開開胃。

提前說明，兩位體驗過程中，Qwen2-Math不是一邊算一邊顯示的，而是計算完畢后直接顯示過程和結(jié)果。

（而且應(yīng)該是越來越多人開始玩了，結(jié)果生成時間逐漸拉長）

第一題：“計算AxA+A=240”中，A的值。

Qwen2-Math給出了正確答案，A=14或A=-16。

第二題：給定a的值，計算等式的結(jié)果。

Qwen2-Math計算出，答案是0，也是對的。

第三題：（A+3）（A+4）（A+5）=120，求A的值。

Bingo！答案是1。

OK，熱身結(jié)束，給Qwen2-Math點難度看看。

那就來一道已經(jīng)是（數(shù)學）大模型測評的標配：

9.9和9.11哪個更大？

Qwen2-Math自信回答：

9.9比9.11更大！

那就再上點難度！

扔給它一道截至目前，只有GPT-4o答對過的題：

一個外星人來到地球后等可能選擇以下四件事中的一件完成：
1、自我毀滅；
2、分裂成兩個外星人；
3、分裂成三個外星人；
4、什么都不做。
此后每天，每個外星人均會做一次選擇，且彼此之間相互獨立。
求地球上最終沒有外星人的概率。

這道題，Qwen2-Math花費了約30秒左右的時間，給出答案：1。

很遺憾，答案是錯誤的，正確答案是√2減1。

我們在各大平臺的評論區(qū)逛了一下，除了計算錯誤以外，還有另一種可能導致答案不正確——

那就是Qwen2-VL在識別題目的時候，本身就出錯了。

錯在第一步，這樣的話大模型得出的肯定就不是正確答案。

同時，林俊旸還在網(wǎng)友的評論區(qū)表示：

咱們Qwen2-Math目前還不能做幾何題。

用中文提問也可以

這次的主角Qwen2-Math，基于通義千問開源大語言模型Qwen2研發(fā)，由阿里千問大模型團隊在十天前發(fā)布。

它專用于數(shù)學解題，并且能夠解決競賽級試題。

Qwen2-Math總共有三個參數(shù)量的版本：

72B，7B和1.5B。

在Qwen2-Math-72B的基礎(chǔ)之上，千問團隊還微調(diào)出了Instruct版本。

這也是Qwen2-Math的旗艦?zāi)Ｐ停且粋€數(shù)學專用的獎勵模型，將獎勵信號與正誤判斷信號結(jié)合作為學習標簽，再通過拒絕采樣構(gòu)建監(jiān)督微調(diào)（SFT）數(shù)據(jù)，最后在SFT模型基礎(chǔ)上使用GRPO方法優(yōu)化。

Qwen2-Math-72B-Instruct以84%的準確率處理了代數(shù)、幾何、計數(shù)與概率、數(shù)論等多種數(shù)學問題。

并且一經(jīng)發(fā)布就在數(shù)學大模型中“登基”，在MATH數(shù)據(jù)集上比GPT-4o多得了7分，按比例算高出了9.6%。

直接超越開源Llama 3.1-405B以及閉源的GPT-4o、Claude 3.5等。

截至發(fā)稿，抱抱臉上Qwen2-Math-72B-Instruct的下載量超過了13.2k。

而且有個最新發(fā)現(xiàn)：

雖然團隊聲稱Qwen2-Math目前還是主要針對英文場景，但如果拿中文題目去問它，Qwen2-Math還是能進行解答的。

只不過是用英文回答你罷了。

據(jù)了解，Qwen2-Math的中英雙語版本將會在之后推出。