產品名稱：360gpt2-o1
產品簡介：360gpt2-o1 是 360 自研的 AI 大模型，在推理能力上有顯著提升，特別是在數學和邏輯推理任務上表現出色。模型通過合成數據優化、模型后訓練和“慢思考”范式實現了技術突破，在多項權威評測中取得了優異成績。
詳細介紹：

360gpt2-o1是什么

360gpt2-o1是 360 自研的 AI 大模型，在推理能力上有顯著提升，特別是在數學和邏輯推理任務上表現出色。模型通過合成數據優化、模型后訓練和“慢思考”范式實現了技術突破，在多項權威評測中取得了優異成績。在基礎數學評測（如 MATH、高考數學）以及權威數學競賽（包括 AIME24、AMC23）中，360gpt2-o1 超越了前代模型 360gpt2-pro，優于 GPT-4o 模型。在數學競賽評測中，360gpt2-o1 超過了阿里巴巴最新開源的 o1 系列模型 QWQ-32B-preview。

360gpt2-o1的主要功能

• 推理能力提升：360gpt2-o1 在數學和邏輯推理任務上表現出色，特別是在推理能力上有顯著提升。
• 合成數據優化：通過指令合成、質量/多樣性篩選等方法，解決了高質量數學與邏輯推理數據稀缺的問題，有效擴充了訓練數據集。
• 模型后訓練：采用兩階段訓練策略，先用小模型生成多樣化的推理路徑，再用大模型進行 RFT 訓練和強化學習訓練，提升模型推理能力和反思糾錯能力。
• “慢思考”范式：基于蒙特卡洛樹搜索探索多樣化解決方案，引入 LLM 進行錯誤驗證和糾錯，模擬人類逐步推理和反思的過程，最終形成包含反思、驗證、糾錯和回溯的長思維鏈。

360gpt2-o1的技術原理

• 數據合成與篩選：通過合成數據優化，360gpt2-o1能生成和篩選出高質量的訓練數據，這些數據對于模型的訓練至關重要。
• 兩階段訓練策略：第一階段使用小模型生成推理路徑，第二階段使用大模型進行訓練，使模型能在保持推理多樣性的同時，提升推理的準確性和深度。
• 蒙特卡洛樹搜索與LLM結合：通過蒙特卡洛樹搜索，模型能探索多種可能的解決方案，LLM的引入則為模型提供了錯誤驗證和糾錯的能力，增強了模型的魯棒性。

如何使用360gpt2-o1

• 訪問360智腦：目前360gpt2-o1 已上線360智腦API開放平臺。
• 體驗地址：https://ai.360.com/playground/?model=360gpt2-o1?src=weixinmp

360gpt2-o1的應用場景

• 數學問題解決：360gpt2-o1 在基礎數學評測（如MATH、高考數學）以及權威數學競賽（包括AIME24、AMC23）中取得了顯著的成績，表明在數學問題解決方面的強大能力。
• 邏輯推理：模型通過“慢思考”技術，模擬人類逐步推理和反思的過程，具備解決復雜邏輯問題的能力。
• 編程問題：在數學、編程等領域的表現上接近甚至超越了o1，360gpt2-o1在編程問題解決上提供支持。
• 復雜問題解決：360gpt2-o1 能處理需要深層次邏輯推理能力的復雜問題，包括自我反思與糾錯的能力。
• 教育和學術：模型在教育領域的數學和邏輯問題上的應用，可以輔助教學和學術研究。
• 企業決策支持：通過邏輯推理和數據分析，360gpt2-o1 可以輔助企業在復雜決策過程中提供邏輯支持。