AI数学奥林匹克竞赛（AIMO）官网 – 促进AI模型在数学竞赛中的应用

Imbue是一个创新工具，旨在彻底改变个人计算机的概念，专注于创建能够实现更大目标并在现实世界中安全操作的实用AI代理。该工具特别适合那些热衷于重新构想计算机并重视技术高自主性的人群，提供显著的效率和效果优势。

PRM800K是一个用于训练过程监督奖励模型（PRM）的数据集，旨在提高大型语言模型在复杂推理任务中的准确性，尤其是在数学问题上。该数据集包含800K个步进级标签，覆盖12K个问题的75K个解决方案，使用主动学习技术选择最具信息量的数据样本进行人工注释，从而提供细粒度反馈，通过评估中间推理步骤来改进结果，最终提高解决率，从42.5%提升到78%在MATH数据集子集上。

iGSM是一个用于生成小学数学问题数据集的工具，能够创建不同难度级别的数学问题，并评估解决方案的正确性。该工具旨在帮助研究人员分析语言模型在数学推理方面的能力，同时创建可用于教育和研究的数据集。

用于协调多个大型语言模型（LLM）的系统，通过迭代反馈和共识达成，来解决复杂问题

yesBrain是一个让用户轻松使用任何数据训练自己AI模型的平台。用户可以聊天、订阅其他人训练好的AI模型，分享自己的AI并获得奖励。

该论文提出了一种训练语言模型的方法，通过同时预测多个未来Token来提高样本效率，并在多个生成基准上实现了显著的性能提升。

NVIDIA官方推出的库，用于压缩transformer模型中的KV缓存，最大可节省约35%的内存空间。kvpress通过多种缓存修剪方法，使大型语言模型的缓存压缩变得简单，降低内存使用并提高解码速度。

QwQ-32B 是阿里云 Qwen 团队开发的开源推理模型，基于 Qwen 系列，专注于提升 AI 的推理能力。该模型在数学推理和编码任务中表现突出，性能可能与 DeepSeek R1 相当，甚至在某些基准测试中超过 OpenAI 的 o1-mini。模型通过强化学习技术，能够自我检查答案并形成关键“思考习惯”，支持长上下文处理（最多 131,072 tokens）。QwQ-32B 对本地算力要求较低，仅需 4 张 NVIDIA 4090 GPU 即可运行，适合普通企业和开发者使用。

Data Interpreter (DI) 是 MetaGPT 的最新更新，专注于通过代码解决数据相关问题。它能够理解用户需求、制定计划、编写执行代码，并在需要时使用工具，处理广泛的场景，如数据分析、机器学习模型开发、数学推理、自动回复邮件、模拟网站和股票分析等。它是 DeepWisdom 平台的一部分，采用 MIT 许可证，开源性强，适合开发者和研究人员使用。

一个强化学习项目，旨在通过少量示例训练大型语言模型以进行数学推理和解决问题。该项目通过使用少量数据和简化的训练流程，使得AI推理训练更加高效，且小模型也能表现出强大的推理能力。

Phi-4 是微软研究院开源的一个小型语言模型，参数量仅140亿，但在多个基准测试中表现出色，可能超过OpenAI的GPT-4o以及同类顶级开源模型如Qwen 2.5-14B和Llama-3.3-70B。其训练数据包括高质量的合成数据，涵盖50多种数据集，生成约4000亿未加权tokens。采用监督微调（SFT）和直接偏好优化（DPO）技术，特别在数学竞赛相关任务中展现强大推理能力。

卡内基梅隆大学团队在首届AI数学奥林匹克竞赛(AIMO)中获得亚军的开源项目，包含完整的训练数据集(AIME、AMC、Odyssey-Math)、验证集、模型微调代码和数据收集脚本，为研究AI解决数学问题提供了宝贵资源

R1-Onevision是一款开源的多模态大语言模型，具备深度推理能力，尤其在视觉推理任务中表现卓越。它在数学、科学、图像理解和逻辑推理等多个领域表现出色，并在多项推理基准测试上超越了Qwen2.5-VL-7B和GPT-4V模型。该模型能够处理复杂的图像和文本数据，解决深层次的视觉推理问题，提供7B模型权重，推理性能卓越。

中文Mixtral混合专家大模型，基于Mistral.ai发布的Mixtral模型，经过中文增量训练和指令精调，支持长文本处理与多种应用框架。

DeepSeek v3是一个具有671B参数的混合专家架构的高级AI语言模型，能够在推理、代码生成和多语言处理等多种任务中提供卓越性能。该模型通过在线演示和API访问，支持本地及商业使用。

LIMO项目研究如何在只有少量训练数据的情况下，让大型语言模型具备复杂的数学推理能力。项目验证了少数据量的训练数据是否能够真正提升模型的推理能力，而不是仅仅让模型记忆训练数据。LIMO通过精心构造的高质量问题和推理链，利用预训练模型中的数学知识，仅需数百个示例即可激发模型的复杂推理能力。项目在多个数学推理基准测试中取得了显著的性能提升，并发布了高质量的数据集和评估工具。

该项目旨在训练一种能够自我奖励推理的大型语言模型，使模型在推理过程中能够自主评估输出的正确性，而无需依赖外部反馈。通过结合强化学习技术，模型能够显著提升推理能力和自我修正能力，最终准确率提升最高可达14.2%。

Satori是一个基于Qwen-2.5-Math-7B的7B参数大型语言模型，通过Chain-of-Action-Thought (COAT)推理机制和Reinforcement Learning with Autoregressive Search (RAE)策略提升模型的自主推理能力。该项目专注于数学推理和跨领域任务，在GSM8K、MATH500等数学推理基准测试中达到最新水平，并能推广到逻辑推理、常识推理和表格推理等任务。模型和数据可在Huggingface平台获取，代码预计未来几周发布。

FacTool是一个专为生成式AI设计的事实性检测工具，旨在多任务和多领域场景下进行事实错误检测。它支持多种任务，包括基于知识的问答、代码生成、数学推理和科学文献综述等，提供细粒度的事实定义，并在事实检查过程中提供明确的证据。

微软推出的数学推理项目，旨在展示小型语言模型（SLM）在数学推理方面可以通过自我演化的深度思考（Deep Thinking）过程达到与大型模型相当甚至更好的性能。

estimatooor是一个利用ChatGPT的工具，帮助用户通过简单的数学推理来解决看似复杂的问题。用户可以选择任何主题进行问题解决，适合需要快速估算或分析的场景。

该模型在全球首届 AI 数学奥林匹克竞赛（AIMO）获得了第一名，开源，可以在本地电脑上直接跑。它是基于 deepseek-math-7b-base 的微调版本，经过两阶段微调以达到排行榜获胜解决方案，并使用思路链 CoT 提示进行模板化，同时采用 MSFT 的 ToRA 格式进行 GPT4 输出并执行代码，具备与 Transformers 集成的能力。