360gpt2-o1 - 360 推出国产自研 AI 大模型，多项评测优于GPT-4o

360gpt2-o1是什么

360gpt2-o1是360自研的AI大模型，推理能力明显上了一个台阶，数学和逻辑推理任务尤其拿手。靠合成数据优化、模型后训练和“慢思考”范式，这套打法把评测分数拉得很高。在基础数学评测（如MATH、高考数学）和权威数学竞赛（包括AIME24、AMC23）里，360gpt2-o1超越前代模型360gpt2-pro，也优于 GPT-4o 模型。在数学竞赛评测中，360gpt2-o1超过了阿里巴巴最新开源的o1系列模型 QWQ-32B-preview。

360gpt2-o1的主要功能

• 推理能力提升：360gpt2-o1做数学和逻辑推理任务的表现在线，推理能力的提升看得见。
• 合成数据优化：指令合成、质量/多样性筛选几招一起用，补上了高质量数学与逻辑推理数据稀缺的短板，训练数据集有效扩容。
• 模型后训练：分两阶段训练，先让小模型生成多样化的推理路径，再上大模型做RFT训练和强化学习训练，推理能力和反思纠错能力一起提。
• “慢思考”范式：用蒙特卡洛树搜索去探索多样的解法，引入LLM做错误验证和纠错，像人一样一步步推理、回头反思，最后形成带反思、验证、纠错和回溯的长思维链。

360gpt2-o1的技术原理

• 数据合成与筛选：360gpt2-o1靠合成数据优化来生成并筛选高质量训练数据，这批数据对模型训练很关键。
• 两阶段训练策略：第一阶段小模型生成推理路径，第二阶段大模型接着练，推理的多样性保住了，准确性和深度也上来了。
• 蒙特卡洛树搜索与LLM结合：蒙特卡洛树搜索帮模型探索多种可能的解法，LLM的加入让模型有了错误验证和纠错的本事，鲁棒性更强。

如何使用360gpt2-o1

• 访问360智脑：目前360gpt2-o1 已上线360智脑API开放平台。
• 体验地址：https://ai.360.com/playground/?model=360gpt2-o1?src=weixinmp

360gpt2-o1的应用场景

• 数学问题解决：360gpt2-o1在基础数学评测（如MATH、高考数学）和权威数学竞赛（包括AIME24、AMC23）里成绩都很能打，解数学题是它的强项。
• 逻辑推理：借“慢思考”技术模拟人逐步推理和反思的过程，复杂逻辑问题解得动。
• 编程问题：数学、编程这些领域的成绩接近甚至超过o1，编程问题的解决上360gpt2-o1也能搭把手。
• 复杂问题解决：需要深层逻辑推理的复杂问题360gpt2-o1能处理，自我反思与纠错的功夫也在。
• 教育和学术：教育场景里的数学和逻辑问题可以用它，辅助教学、辅助学术研究。
• 企业决策支持：靠逻辑推理和数据分析，360gpt2-o1能在企业复杂决策时提供逻辑层面的支撑。