感謝本站網(wǎng)友 HH_KK 的線索投遞！

本站 1 月 25 日消息，本站從中國電信人工智能研究院獲悉，其“復(fù)雜推理大模型”TeleAI-t1-preview 現(xiàn)已正式發(fā)布，即將上線天翼 AI 開放平臺。TeleAI-t1-preview 使用了強化學(xué)習(xí)訓(xùn)練方法，通過引入探索、反思等思考范式，大幅提升模型在邏輯推理、數(shù)學(xué)推導(dǎo)等復(fù)雜問題的準(zhǔn)確性。

官方表示，在美國數(shù)學(xué)競賽 AIME 2024 、MATH500 兩項數(shù)學(xué)基準(zhǔn)評測中，TeleAI-t1-preview 分別以 60 和 93.8 分的成績，大幅超越 OpenAI o1-preview、GPT-4o 等標(biāo)桿模型。在研究生級別問答測試 GPQA Diamond 中，TeleAI-t1-preview 得分超過 GPT-4o，并比肩 Claude 3.5 Sonnet 的性能水準(zhǔn)。

評測顯示，將《九章算術(shù)》中的一道題目給到 TeleAI-t1-preview 后，其能夠先針對文言文進行理解和簡化，再轉(zhuǎn)換成現(xiàn)代漢語，隨之給出數(shù)學(xué)推導(dǎo)和答案。

據(jù)介紹，在此過程中，TeleAI-t1-preview 可將形象思維與抽象思維結(jié)合，對所涉及的場景進行具象化思考，輔助理解題目。不僅如此，其還能夠嚴(yán)謹(jǐn)?shù)剡M行古今單位換算。

TeleAI引入了創(chuàng)新的訓(xùn)練策略，從而保障思考推理過程準(zhǔn)確有效。

數(shù)據(jù)準(zhǔn)備階段：收集、構(gòu)建了一個以數(shù)學(xué)為核心、多學(xué)科為補充的高質(zhì)量推理數(shù)據(jù)集，確保模型能夠適應(yīng)不同類型的推理任務(wù)。

Judge Model（評估模型）：訓(xùn)練了一個 Judge Model 專門用于分析和評估模型長思考鏈路的正確性，為模型的反思和錯誤修正提供指導(dǎo)。

SFT（監(jiān)督微調(diào)）階段：用 MCTS（蒙特卡洛樹搜索）構(gòu)造高質(zhì)量長推理數(shù)據(jù)，結(jié)合每個步驟的準(zhǔn)確率和解決方案長度來選擇最優(yōu)的完整路徑，在保證推理答案準(zhǔn)確性的同時有效拉長思考鏈路以獲得更細(xì)粒度的推理過程。同時使用 Judge Model 對推理過程中正確率較低的路徑進行分析，引導(dǎo)模型對錯誤的推理步驟進行反思和修正，從而構(gòu)造出高質(zhì)量的思維鏈數(shù)據(jù)進行 SFT 訓(xùn)練。

強化學(xué)習(xí)階段：額外構(gòu)造了 Rule-based Reward Model（基于規(guī)則的獎勵模型），以提供足夠準(zhǔn)確的獎勵信號，通過在線強化學(xué)習(xí)算法進一步提升模型的邏輯推理能力。