哪里不会扫哪里！全球最强数学大模型人人可玩，阿里多模态模型加持

衡宇发自凹非寺

量子位|公众号QbitAI

现在，最强数学大模型，人人都可上手玩了！

一觉醒来，阿里千问大模型团队发布了Qwen2-Math的Demo，抱抱脸在线可玩

。

惊喜的是，如果嫌输入数学公式比较麻烦，可以把想问的题截图or扫描，上传即可解题。

整得挺方便。

试玩界面上明确写着，“这个试玩界面的OCR功能，由阿里千问大模型团队Qwen2-VL提供支持；数学推理能力，由Qwen2-Math支持。”

阿里高级算法专家林俊旸也在推特评论区进一步解释：

目前，Qwen2-VL和Qwen2-Math还是各自负责一部分。

但不久的将来，我们会把多模态能力和数学推理能力结合到一个模型

上哟。

不少网友对这种交互模式挺买账：

歪瑞古德！用图像来上传，然后等大模型解决问题，喜欢！

那么，最强数学大模型Qwen2-Math，上手效果怎么样？

效果怎么样？这就玩一把

是时候让Qwen2-Math过五关斩六将了！

先来几道比较简单的计算题开开胃。

提前说明，两位体验过程中，Qwen2-Math不是一边算一边显示的，而是计算完毕后直接显示过程和结果。

（而且应该是越来越多人开始玩了，结果生成时间逐渐拉长）

第一题：

“计算AxA A=240”中，A的值。

Qwen2-Math给出了正确答案，A=14或A=-16。

第二题：

给定a的值，计算等式的结果。

Qwen2-Math计算出，答案是0，也是对的。

第三题：

（A 3）（A 4）（A 5）=120，求A的值。

Bingo！答案是1。

OK，热身结束，给Qwen2-Math点难度看看。

那就来一道已经是（数学）大模型测评的标配：

9.9和9.11哪个更大？

Qwen2-Math自信回答：

9.9比9.11更大！

那就再上点难度！

扔给它一道截至目前，只有GPT-4o答对过的题：

一个外星人来到地球后等可能选择以下四件事中的一件完成：

1、自我毁灭；

2、分裂成两个外星人；

3、分裂成三个外星人；

4、什么都不做。

此后每天，每个外星人均会做一次选择，且彼此之间相互独立。

求地球上最终没有外星人的概率。

这道题，Qwen2-Math花费了约30秒左右的时间，给出答案：1。

很遗憾，答案是错误的，正确答案是√2减1。

我们在各大平台的评论区逛了一下，除了计算错误以外，还有另一种可能导致答案不正确——

那就是Qwen2-VL在识别题目的时候，本身就出错了。

错在第一步，这样的话大模型得出的肯定就不是正确答案。

同时，林俊旸还在网友的评论区表示：

咱们Qwen2-Math目前还不能做几何题

用中文提问也可以

这次的主角Qwen2-Math，基于通义千问开源大语言模型Qwen2研发，由阿里千问大模型团队在十天前发布。

它专用于数学解题，并且能够解决竞赛级试题。

Qwen2-Math总共有三个参数量的版本：

72B，7B和1.5B。

在Qwen2-Math-72B的基础之上，千问团队还微调出了Instruct版本。

这也是Qwen2-Math的旗舰模型，它是一个数学专用的奖励模型，将奖励信号与正误判断信号结合作为学习标签，哪里不会扫哪里！全球最强数学大模型人人可玩，阿里多模态模型加持再通过拒绝采样构建监督微调（SFT）数据，最后在SFT模型基础上使用GRPO方法优化。

Qwen2-Math-72B-Instruct以84%的准确率处理了代数、几何、计数与概率、数论等多种数学问题。

并且一经发布就在数学大模型中“登基”，在MATH数据集上比GPT-4o多得了7分，按比例算高出了9.6%。

直接超越开源Llama3.1-405B以及闭源的GPT-4o、Claude3.5等。

截至发稿，抱抱脸上Qwen2-Math-72B-Instruct的下载量超过了13.2k。

而且有个最新发现：

虽然团队声称Qwen2-Math目前还是主要针对英文场景，但如果拿中文题目去问它，Qwen2-Math还是能进行解答的

只不过是用英文回答你罢了。

据了解，Qwen2-Math的中英双语版本将会在之后推出

参考链接：

[1]https://huggingface.co/spaces/Qwen/Qwen2-Math-Demo

[2]https://x.com/Alibaba_Qwen/status/1825559009497317406

[3]https://x.com/JustinLin610/status/1825559557411860649