模型Qwen2.5-7B-Instruct / 通义千问2.5-7B
Qwen2.5-7B-Instruct
阿里巴巴推出的Qwen2.5系列7B参数指令微调语言模型，支持多语言推理与对话任务
时间轴 (近 90 天)
10月2日
实验在Qwen2.5-7B-Instruct上进行，使用Math-Shepherd作为PRM，在MATH500数据集（n=500，三个随机种子）上测试
待验证50%
9月24日
研究以LongBench-v2数据集的全部503道多选题为主要诊断集，答案模型采用Qwen2.5-7B-Instruct
待验证50%
9月24日
该研究的局限在于规模仅限于单一模型Qwen2.5-7B-Instruct和单一数据集LongBench-v2，且训练数据量较小（仅168题）
待验证50%