# 數學推理強化

UniReason-Qwen3-14B-RL 是一個經過量化的多領域適用模型，特別擅長文本生成和數學推理任務。

AceReason-Nemotron-14B是一個通過強化學習訓練的數學和代碼推理模型，在多個數學和代碼推理基準測試中表現出色。

AceReason-Nemotron-7B是一個基於強化學習訓練的數學和代碼推理模型，從DeepSeek-R1-Distilled-Qwen-7B開始訓練，在多個基準測試中表現出色。

通過強化學習訓練的數學與代碼推理模型，基於DeepSeek-R1-Distilled-Qwen-7B，在數學和代碼推理任務上表現優異

基於Qwen2.5-32B模型使用DAPO算法訓練的大語言模型，專注於數學問題解決和多語言文本生成

首個專注於可擴展性、簡潔性和易用性的大規模推理導向強化學習的開源實現

基於Math-Shepherd逐步強化學習的數學問題求解模型，在GSM8K和MATH數據集上表現優異

WizardMath是一個通過強化進化指令(RLEIF)賦能的大語言模型，專門用於提升數學推理能力。