增强大模型智能：数学推理能力的提升策略与实践

文章预览

导读   本文将分享如何提升大模型的数学推理能力。我们没有把数学推理能力与翻译、长文本生成等专项分开优化，而是视为通用能力的一部分。因为我们认为数学推理能力是衡量大模型智能水平的关键指标。 主要内容包括以下五个部分： 1.  大语言模型概述 2.  混合指令 3.   合成数据 4.  训练优化 5.  问答环节 分享嘉宾｜ 文亮 奇虎360  资深算法专家   编辑整理｜王甲君 内容校对｜李瑶 出品社区｜ DataFun 01 大语言模型概述 首先来回顾一下大模型的基本结构。上图中列出了当前一些主流大模型，比如 GPT 系列中的 GPT-3，发布于 2020 年，拥有 175B 参数，还有 Huggingface 的 Bloom、清华的 GLM 系列、Meta 的 LLaMA、百川的 Baichuan 和阿里的 Qwen 系列等等。除了清华的 GLM 使用的是 Prefix decoder，这些模型大多采用与 GPT 类似的架构。 这些模型的参数规模各不 ………………………………