模型介绍
中文整理Qwen2.5-Math-7B-PRM800K
模型用途
Qwen2.5-Math-7B-PRM800K是ProcessBench的基线模型，仅用于复现目的。该模型通过对Qwen2.5-Math-7B-Instruct在开源数据集PRM800K的训练集上进行微调获得。
主要能力
这是一个过程奖励模型，用于对推理质量和中间步骤提供反馈，而非用于内容生成。模型能够对数学问题的解答过程中每个步骤的质量进行评估。
输入输出
输入格式：数学问题的解答步骤，建议使用双换行符("\n\n")分隔各个步骤
输出格式：奖励值，范围为0到1之间的概率分数
运行要求
依赖库：transformers>=4.40.0（推荐使用最新版本）
硬件要求：需要GPU，具体内存需求参考Qwen2类似模型的测试结果
基本用法
步骤分隔：在使用Qwen2.5-Math-Instruct的回复时，建议使用双换行符("\n\n")分隔解决方案中的各个步骤
奖励计算：在每个步骤后插入特殊token"]~b]special_token>"，然后提取该token被分类为正类的概率作为奖励值
数据处理说明
原始PRM800K数据集中，标签1和0被视为正类，标签-1被视为负类。为消除测试数据污染，已移除与MATH测试集中存在相同数学问题的PRM800K训练样本。
引用说明
如需引用该模型，请参考ProcessBench论文、PRM论文及ProcessBench GitHub仓库。
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。