阿里巴巴近日正式向全球开源了其最新的数学计算模型——Qwen2-Math，该模型分为基础版与指令微调版两大系列，覆盖了1.5B、7B及顶尖的72B参数规模，为数学领域的人工智能应用树立了新的标杆。

据阿里巴巴公布的权威测试数据，Qwen2-Math-72B指令微调版在多项主流数学基准测试中，其表现力压GPT-4o、Cloude-3.5-Sonnet、Gemini-1.5Pro等一众顶尖闭源模型，甚至连Meta的开源巨擘Llama-3.1-405B也未能幸免，被其远远甩在身后。这一成就无疑宣告了Qwen2-Math-72B在全球数学推理大模型领域的霸主地位。

更令人瞩目的是，Qwen2-Math-72B正跃跃欲试，准备向近期在国际数学奥林匹克竞赛中摘得银牌、仅以毫厘之差错失金牌的双混合模型AlphaProof与AlphaGeometry2发起挑战。尽管这两个模型尚处科研前沿，但Qwen2-Math的雄心壮志已显露无遗。

广大开发者及研究人员现可通过以下链接轻松获取Qwen2-Math的宝贵资源：

Hugging Face Hub: https://huggingface.co/Qwen

GitHub仓库: https://github.com/QwenLM/Qwen2-Math?tab=readme-ov-file

基础模型：扎实根基，卓越起步

Qwen2-Math的基础模型构建于Qwen2系列的1.5B、7B及72B模型之上，经过精心挑选的高质量数学专用语料库预训练，该语料库涵盖了广泛的数学网络资源、书籍、代码、考试题目及Qwen-2模型生成的专属数据，确保了模型对数学知识的全面掌握。

在GSM8K、Math、MMLU-STEM等国际数学基准测试，以及CMATH、GaoKao Math Cloze、GaoKao Math QA等中国数学基准测试中，Qwen2-Math基础模型均展现出了远超Llama-3.1全系列的卓越性能，通过Few-shot CoT方式验证了其强大的泛化能力。

为进一步提升模型性能，Qwen2-Math-72B指令微调版采用了创新的训练策略，结合密集的奖励信号与二元信号，通过拒绝采样方法构建SFT数据集，并运用GRPO强化学习算法进行迭代优化。这一系列精心设计的训练流程，使得模型在解答复杂数学问题时的准确性与效率均得到了显著提升。

在包括OlympiadBench、CollegeMath、高考（GaoKao）、AIME2024、AMC2023等在内的多样化数学测试中，Qwen2-Math-72B指令微调版均展现出了令人惊叹的推理能力，甚至能够解答部分IMO竞赛级别的难题，其表现全面超越了现有的开闭源模型。

为确保测试结果的公正性与准确性，阿里巴巴在预训练与微调阶段均对数据集进行了严格的去污染处理，特别是剔除了与知名基准测试集重叠的正例污染样本。这一举措不仅保障了模型的纯净性，也为后续的公平评测奠定了坚实基础。

目前，Qwen2-Math模型虽以英文为主，但阿里巴巴已明确表示将迅速推出中英双语版本，以满足全球范围内不同用户的需求。这一举措无疑将进一步拓宽Qwen2-Math的应用场景，为全球的数学教育与科研领域带来更加智能化的解决方案。