使用场景

在MATH基准测试中，将Qwen2.5-Math-7B的性能从58.8%提升至90.0%，Phi3-mini-3.8B从41.4%提升至86.4%。

在AIME竞赛中，平均解决了53.3%（8/15）的问题，排名前20%的优秀高中生数学选手之列。

通过自我演化，不断优化策略模型和流程奖励模型，提高解决复杂数学问题的能力。

产品特色

采用蒙特卡洛树搜索（MCTS）进行深度思考和测试时搜索。

提出新颖的代码增强链式推理（CoT）数据合成方法，生成验证推理轨迹。

开发新的流程奖励模型训练方法，避免简单的步骤级评分标注。

实现自我演化配方，从头开始构建并迭代演化策略SLM和PPM，提升推理能力。

在多个数学基准测试中表现出色，提升小型语言模型的数学推理水平。

使用教程

1. 访问Hugging Face网站上的rStar-Math页面，了解模型详情。

2. 查看论文和相关资料，理解模型的架构和工作原理。

3. 下载并安装必要的依赖库和工具，准备运行环境。

4. 使用提供的代码和数据，加载预训练的策略SLM和PPM模型。

5. 对于给定的数学问题，利用MCTS进行推理和搜索，获取解决方案。

6. 根据需要调整模型参数和搜索策略，优化性能。

7. 在实际应用中部署模型，如教育软件、在线辅导平台等，为用户提供数学推理支持。