模型介绍
中文整理Qwen2.5-Math-PRM-7B
模型用途
Qwen2.5-Math-PRM-7B是一个过程奖励模型（Process Reward Model），专门用于对大型语言模型数学推理过程中的中间步骤进行质量评估和反馈。与结果奖励模型（ORM）不同，该模型专注于识别和评估推理链中的每一步，而非仅对最终答案进行评分。
主要能力
在Best-of-N（BoN）评估中表现出色，能够有效筛选高质量的推理路径。在ProcessBench基准测试中展现出较强的中间步骤错误识别能力，可用于识别数学推理过程中的错误并提供改进方向。
输入输出
输入：数学问题的推理过程文本，以双换行符分隔的各个推理步骤
输出：每个步骤的奖励分数，数值范围为0到1，表示该步骤被分类为正确步骤的概率
运行要求
依赖库：transformers>=4.40.0（推荐使用最新版本）
说明：从transformers 4.37.0版本开始集成了Qwen2.5相关代码，因此必须使用4.40.0及以上版本
GPU内存和吞吐量：可参考Qwen2模型的类似配置
基本用法
步骤分隔：使用双换行符（"\n\n"）分隔解决方案中的各个步骤，建议配合Qwen2.5-Math-Instruct模型生成的响应使用
奖励计算：在每个推理步骤后插入特殊token“
”，模型将输出该token被分类为正类的概率，以此作为该步骤的奖励值，数值介于0和1之间
许可证
未提供许可证相关信息
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。