阿里云发布Qwen2.5-Math-PRM，数学推理模型性能突破
阿里云发布全新数学推理模型Qwen2.5-Math-PRM，性能优于同类开源模型，开源评估标准ProcessBench推动推理技术发展。
PROCESSBENCH：阿里巴巴Qwen团队推出数学推理错误识别新基准
阿里巴巴Qwen团队推出“PROCESSBENCH”新基准测试，专注评估语言模型在数学推理中的错误识别能力，包含3400个专家标注测试案例。研究发现现有模型在高难度问题上表现不佳，PROCESSBENCH为AI推理过程理解提供重要框架。
微软推出Phi-4小型语言模型，14B参数展现卓越数学推理能力，引领AI技术新突破
微软推出Phi-4小型语言模型，14B参数，数学推理领域领先，采用高质量数据集训练，保障数据隐私安全，已在Azure AI Foundry开放使用。
新一代数学推理模型k0-math发布，多项测试成绩超越OpenAIo1系列
Kimi智能助手推出新一代数学推理模型k0-math，在多项数学基准测试中成绩优异，超过OpenAI o1系列模型。采用强化学习和思维链推理技术，提升解题能力，计划持续迭代以应对更高难度题目。
Epoch AI发布FrontierMath：顶级AI模型数学解题准确率超过98%
FrontierMath是一个新推出的基准测试，旨在挑战人工智能的数学推理能力，号称"数学奥林匹克"。由Epoch AI与60多位数学界顶级专家共同开发，测试包括超高难度的数学问题，如数论和代数几何。令人震惊的是，主流AI模型在该测试中表现不佳，仅解决2%的题目。这一结果凸显了人类与人工智能在解决数学问题上的反直觉差异，同时反映出AI在复杂任务中的局限性。FrontierMath也为AI研究者提供了新的挑战与发展方向。