首届AI奥数竞赛方案公布：4支获奖队伍，竟都选择国产模型DeepSeekMath
内容提要
AI数学奥林匹克比赛冠军团队使用了NuminaMath 7B TIR模型，该模型是deepseek-math-7b-base的微调版本。第二名和第三名团队也使用了DeepSeek-Math-7B-RL模型，但微调了不同的参数。前四名团队都选择了DeepSeekMath-7B作为基础模型。NuminaMath 7B TIR模型在数学问题推理方面表现出色，但在几何问题上存在一定困难。
延伸解读
DeepSeekMath-7B 成为竞赛首选基础模型
前四名团队均以 DeepSeekMath-7B 为基础模型，说明该模型在数学推理任务上具有显著优势。其性能逼近 GPT-4，并在 MATH 基准上超越许多 30B~70B 的开源模型，这解释了为何参赛者不约而同地选择它。对于关注开源模型数学能力的读者，这一结果提供了实际竞赛场景下的验证。
冠军方案的两阶段微调策略
NuminaMath 7B TIR 通过两阶段监督微调实现：第一阶段在自然语言数学问题上用思维链模板微调，第二阶段在工具集成推理的合成数据上微调，使模型能结合 Python 程序执行反馈。这种设计让模型在推理时调用代码计算中间结果，从而提升解决复杂数学问题的能力。
模型能力边界：AMC 12 尚可，AIME 及以上困难
冠军团队发现，该模型能解决 AMC 12 级别的问题，但面对 AIME 和数学奥林匹克级难题时，往往难以生成有效解决方案。此外，模型在几何问题上表现不佳，可能受限于容量和缺乏视觉模态。这提示使用者需根据问题难度和类型合理预期模型表现。
专用模型不适用于通用聊天
NuminaMath 7B TIR 专为竞赛级数学问题设计，并非通用聊天模型。若将其用于日常对话或非数学任务，效果可能不理想。读者在选用时应明确其定位，避免误用。
Q&A
AI数学奥林匹克比赛的冠军团队使用了什么模型？
冠军团队使用的模型是NuminaMath 7B TIR。
NuminaMath 7B TIR模型的特点是什么？
NuminaMath 7B TIR模型是deepseek-math-7b-base的微调版本，专为解决竞赛级别数学问题而创建。
第二名和第三名团队使用了什么模型？
第二名和第三名团队使用了DeepSeek-Math-7B-RL模型，但微调了不同的参数。
NuminaMath 7B TIR模型在数学问题推理方面表现如何？
该模型在数学问题推理方面表现出色，但在几何问题上存在一定困难。
NuminaMath 7B TIR模型的微调过程是怎样的？
该模型经过两个阶段的监督微调，第一阶段在自然语言数学问题上微调，第二阶段在工具集成推理的合成数据集上微调。
为什么NuminaMath 7B TIR模型不适用于一般聊天应用程序？
该模型专为解决竞赛级别数学问题而创建，不适用于一般聊天应用程序。
