# 数学推論の最適化

Phi-4-reasoning-plusはマイクロソフトリサーチによって開発されたオープンソースの推論モデルで、数学、科学、プログラミング分野の高度な推論能力に特化しています。

MiMo-7B-RLはMiMo-7B-SFTモデルを基に強化学習でトレーニングされたモデルで、数学とコード推論タスクにおいてOpenAI o1-miniと肩を並べる性能を発揮します。

数学推論とPythonプログラミング訓練に特化した24Bパラメータの大規模言語モデル、Mistralアーキテクチャを基に最適化

Notbad v1.0 Mistral 24Bは、数学とPythonプログラミング推論に特化したモデルで、Mistral-Small-24B-Instruct-2501をベースに強化学習でさらに訓練されています。

EXAONE Deepシリーズのモデルは、数学やプログラミングなどの推論タスクで優れた性能を発揮し、7.8Bバージョンは同規模のオープンソースモデルを上回り、一部のプロプライエタリモデルをも凌駕しています。

FastCuRL-1.5B-Preview は、スローシンキング推論モデルで、カリキュラム誘導反復延長強化学習手法を採用し、数学推論タスクで優れた性能を発揮します。

Gemma-3-4b推論はTransformerアーキテクチャに基づく言語モデルで、GRPO手法を用いてファインチューニングされ、推論タスクの最適化に特化しています。

Tiny-R1-32B-PreviewはDeepseek-R1-Distill-Qwen-32Bを基にした推論モデルで、数学、コード、科学分野に特化しており、性能はフルバージョンのR1モデルに近いです。

Mistral-Small-24B-Instruct-2501を微調整した数学推論モデルで、数学推論能力が最適化されています

Sky-T1-32B-Previewを基に最適化された32B推論モデルの好みバージョンで、正確性を維持しながら生成長を大幅に短縮できます。

InternLM3-8B-Instruct モデルの GGUF フォーマット版で、llama.cpp フレームワークに対応し、複数の量子化バージョンをサポートしています。

Smaug-34Bをベースにした教師あり微調整モデルで、数学と推論能力の向上に焦点を当て、34B規模のモデルの中で優れた性能を発揮します。