IT之家 4 月 25 日消息，科技媒體 marktechpost 今天（4 月 25 日）發(fā)布博文，報(bào)道稱(chēng)英偉達(dá)專(zhuān)為數(shù)學(xué)推理設(shè)計(jì)，發(fā)布  OpenMath-Nemotron-32B 和 OpenMath-Nemotron-14B-Kaggle 兩款先進(jìn) AI 模型。

數(shù)學(xué)推理一直是 AI 領(lǐng)域的巨大挑戰(zhàn)。傳統(tǒng)的語(yǔ)言模型擅長(zhǎng)生成流暢文本，卻在解決復(fù)雜數(shù)學(xué)問(wèn)題時(shí)顯得力不從心，這些問(wèn)題不僅需要理解抽象概念，還要求多步驟的邏輯推導(dǎo)。

IT之家援引博文介紹，英偉達(dá)針對(duì)這一難題，推出了 OpenMath-Nemotron-32B 和 OpenMath-Nemotron-14B-Kaggle 兩款模型，基于 Qwen 系列 transformer 模型，通過(guò)在 OpenMathReasoning 數(shù)據(jù)集上的深度微調(diào)，顯著提升了數(shù)學(xué)推理能力。

OpenMath-Nemotron-32B 是系列中的旗艦產(chǎn)品，擁有 328 億參數(shù)，采用 BF16 張量運(yùn)算優(yōu)化硬件效率。該模型在 AIME 2024、AIME 2025、HMMT 2024-25 等多項(xiàng)基準(zhǔn)測(cè)試中取得領(lǐng)先成績(jī)。

以工具集成推理（TIR）模式為例，其在 AIME24 上的 pass@1 準(zhǔn)確率達(dá)到 78.4%，通過(guò)多數(shù)投票機(jī)制更是提升至 93.3%。

此外，模型支持鏈?zhǔn)剿季S（CoT）、工具集成推理（TIR）和生成式選擇（GenSelect）三種模式，用戶(hù)可根據(jù)需求平衡推理透明度和答案精確度，滿(mǎn)足科研和生產(chǎn)環(huán)境的不同場(chǎng)景。

OpenMath-Nemotron-14B-Kaggle 是一款 148 億參數(shù)的輕量模型，針對(duì) AIMO-2 Kaggle 競(jìng)賽優(yōu)化設(shè)計(jì)，通過(guò)精選 OpenMathReasoning 數(shù)據(jù)集子集進(jìn)行微調(diào)，成功奪得競(jìng)賽第一名。

在 AIME24 測(cè)試中，其 CoT 模式下 pass@1 準(zhǔn)確率為 73.7%，GenSelect 模式下提升至 86.7%。這款模型參數(shù)更少，保持高質(zhì)量的數(shù)學(xué)解題能力的同時(shí)，適合資源受限或低延遲需求的場(chǎng)景。

英偉達(dá)為兩款模型提供了開(kāi)源管道，集成于 NeMo-Skills 框架中，支持?jǐn)?shù)據(jù)生成、訓(xùn)練和評(píng)估的全流程復(fù)現(xiàn)。開(kāi)發(fā)者可通過(guò)示例代碼快速構(gòu)建應(yīng)用，獲取逐步解答或簡(jiǎn)潔答案。

模型針對(duì) NVIDIA GPU（如 Ampere 和 Hopper 架構(gòu)）深度優(yōu)化，利用 CUDA 庫(kù)和 TensorRT 技術(shù)，確保高效運(yùn)行。同時(shí)，采用 Triton Inference Server 支持低延遲、高吞吐量的部署，BF16 格式則在內(nèi)存占用與性能間取得平衡，助力大規(guī)模應(yīng)用落地。

廣告聲明：文內(nèi)含有的對(duì)外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。