先了解这件事
AI 综述
2025年1月21日,Prime Intellect发布7B参数数学推理模型INTELLECT-MATH及配套数据集。该模型先用QwQ-32B生成并校验合成推理轨迹,微调Qwen-7B-Math,再用PRIME-RL做在线强化学习。团队称其早期checkpoint以47个RL step达到Eurus-2-7B-PRIME用592步的效果,训练时间缩短10倍。同时开源代码、权重和NuminaMath-QwQ-CoT-5M数据集,该数据集包含86万道数学题上的500万条经正确性校验的推理轨迹。文章还提出在推理时计算范式下,RL中大量前向计算会降低通信需求,使全球分布式训练成为可行路径,并计划今年训练o3的完全开源复现。
AI 根据公开报道生成
事件进展
1 个已确认进展
- 来源：Prime Intellect
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
1月21日
Prime Intellect一手精选
Prime Intellect 发布 INTELLECT-MATH 数学推理模型与 500 万条推理轨迹数据集
Prime Intellect 通过 QwQ-32B 生成并校验合成推理轨迹，微调 Qwen-7B-Math 后再用 PRIME-RL 做在线强化学习，训练出 7B 参数数学推理模型 INTELLECT-MATH，其早期 checkpoint 以 47 个 RL step 达到 Eurus-2-7B-PRIME 用 592 步的效果，训练时间缩短 10 倍。团队同时开源代码、权重和 NuminaMath-QwQ-CoT-5M 数据集，该数据集包含 86 万道数学题上的 500 万条经正确性校验的推理轨迹。文章还提出在推理时计算范式下，RL 中大量前向计算会降低通信需求，使全球分布式训练成为可行路径，并计划今年训练 o3 的完全开源复现。