TeleAI-t1-preview - 中国电信推出的复杂推理大模型

TeleAI-t1-preview是什么

TeleAI-t1-preview 是中国电信人工智能研究院发布的“复杂推理大模型”，长处在逻辑推理和数学推导。训练走强化学习，把探索、反思这些思考范式引进来，复杂题目的解答精度因此提高。2024 年美国数学竞赛 AIME 和 MATH500 评测里，模型分别拿到 60 分和 93.8 分，超过 OpenAI 的 o1-preview 和 GPT-4o 等标杆模型。它还能处理《九章算术》里的文言文题目：先转成现代汉语，再给出详细推导。TeleAI-t1-preview 即将上线天翼 AI 开放平台，往后会在教育、科研这些领域派上用场。

TeleAI-t1-preview的主要功能

• 数学与逻辑推理能力
  • 高难度数学问题解答：TeleAI-t1-preview 的数学推理是强项，复杂的数学题能处理；2024 年美国数学竞赛 AIME 和 MATH500 评测中分别拿到 60 分和 93.8 分，把 OpenAI 的 o1-preview 和 GPT-4o 等标杆模型甩在后面。
  • 研究生级别问答测试：研究生级别的问答测试 GPQA Diamond 里，TeleAI-t1-preview 的得分高过 GPT-4o，跟 Claude 3.5 Sonnet 是一个水准。
  • 经典数学文本理解：能读《九章算术》这类经典数学文本：先把文言文题目读懂、简化，转成现代汉语，再做数学推导和解答。
• 思维与推理能力
  • 形象与抽象思维结合：TeleAI-t1-preview 能把形象思维和抽象思维合起来用，把复杂问题涉及的场景具象化，理解题目会容易些。
  • 复杂策略推理：碰上特别“烧脑”的策略推理题，能很快摸清游戏规则并破题，把规则理解、场景道具分析、优劣势分析列清楚，再给出解题策略。
  • 古今单位换算：古今单位换算这种容易出错的环节，TeleAI-t1-preview 做得比较严谨，答案的准确性有保证。

TeleAI-t1-preview的技术原理

• 强化学习与思考范式：训练用强化学习，引入探索、反思等思考范式，靠试错把推理能力磨出来，数学推导和逻辑推理这类复杂问题的准确性提升明显。
• 数据准备：研究院搭了一个以数学为核心、多学科补充的高质量推理数据集，不同类型的推理任务都能覆盖。
• Judge Model（评估模型）：另外训了一个专门的评估模型，专门看长思考链路对不对，给反思和纠错提供参考。
• 监督微调（SFT）阶段：用蒙特卡洛树搜索（MCTS）构造高质量的长推理数据，按每一步的准确率和解决方案长度挑最优路径。正确率低的路径交给 Judge Model 分析、修正，最后攒出高质量的思维链数据做 SFT 训练。
• 强化学习阶段：另外做了一个基于规则的奖励模型（Rule-based Reward Model），奖励信号足够准，再用在线强化学习把逻辑推理能力往上推。

TeleAI-t1-preview的应用场景

• 数学学习与竞赛辅导：TeleAI-t1-preview 能处理复杂的数学问题，高中数学竞赛题和研究生级别的数学题都在范围内。
• 古籍数学题解析：古代文言文数学题能读懂、能简化，转成现代汉语后再做推导，学古代数学时省不少事。
• 逻辑推理与策略分析：TeleAI-t1-preview 也拿得下复杂的策略推理题，规则摸得快，破题之后把规则理解、场景道具分析、优劣势分析列出来，再给解题策略。
• 跨学科研究支持：逻辑推理能力可以给科研人员打辅助，复杂的逻辑问题有人分担，科研效率也能提一些。