赵学亮 投稿推荐股票配资 大模型架构研究进展太快，数据却快要不够用了，其中问题数据又尤其缺乏。 为此，港大和蚂蚁的研究人员反向利用思维链，提出了PromptCoT方法，并基于Llama3.1-8B训练了一个问题生成模型。 实验结果表明，合成的问题难度较开源数据和已有算法有显著提升，接近了AIME水平。 研究团队利用问题生成模型构造了400k SFT数据。 基于这份数据，团队训练了DeepSeek-R1-Distill-Qwen-7B模型，在MATH-500、AIME 2024以及AIME 20