上海AI实验室新突破：用代码驱动解锁数学推理新高度
上海人工智能实验室联合上海交通大学、苏州大学的研究团队，在人工智能训练领域取得了突破性进展。他们提出的Caco方法通过引入代码验证机制，为AI数学推理训练开辟了新路径。这项成果已在arXiv预印本平台发布，论文编号arXiv:2510.04081v1，为提升AI逻辑推理能力提供了全新解决方案。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
传统AI在解决数学问题时，常常被比作机械套用公式的“解题机器”。这类系统虽然能输出答案，但推理过程缺乏逻辑连贯性，错误难以追溯。更严峻的是，高质量训练数据的获取需要大量人工标注，成本高昂且效率低下。研究团队开发的Caco方法，通过将数学问题转化为可执行代码，构建了自动化的质量验证体系，有效解决了这些难题。
该方法的核心理念是构建“代码-推理”双验证系统。研究团队首先收集了MATH、DeepScaleR等数据集中的30万个数学问题，将其解答过程统一转换为Python代码格式。每段代码需包含明确的输入定义、函数调用和输出结果，例如概率问题会被转化为包含概率数组和计算函数的标准化代码模块。这种结构化处理使得推理过程可被计算机自动验证。
为生成高质量训练数据，团队开发了专门的CodeGen模型。该模型通过无条件生成方式学习代码推理模式，而非简单记忆问题答案。通过温度采样技术，模型在保持逻辑严谨性的同时引入适度随机性，最终生成530万个候选代码样本。经过可执行性、效率和复杂度三重筛选，最终保留460万个高质量样本，形成包含130万个问题-答案对的训练集。
实验数据显示，Caco方法显著提升了AI模型的数学推理能力。在MATH、GSM8K等六个基准测试中，LLaMA3-8B模型经Caco训练后准确率从39.7%跃升至57.3%，提升幅度达44.3%。面对奥数匹克数学竞赛题目时，该模型准确率从17.2%提升至34.1%，展现出处理复杂问题的潜力。专业数学模型Qwen2.5-Math-7B使用Caco数据后，准确率也从63.6%提高至67.7%。
该方法的创新价值不仅体现在数学领域。跨领域测试表明，经Caco训练的模型在代码生成、科学推理和逻辑推理任务中同样表现优异。在Humaneval+代码生成测试中，模型得分从32.3%提升至34.2%；ARC-c科学推理测试准确率从79.0%升至83.1%；BBH逻辑推理测试成绩从19.8%大幅提高至33.8%。这证明通过代码训练形成的严谨思维方式具有广泛的迁移价值。
研究团队详细记录了数据生成过程的计算成本。在配备8块A100 GPU的单机环境下，完成130万样本生成约需55小时，包括统一代码推理（2小时）、代码扩展（8小时）、问题生成（5小时）和答案生成（40小时）四个阶段。完全基于开源模型的实施方案，避免了商业API的高昂费用，使得该方法具有较高的成本效益。
技术实现层面，研究团队采用多模型协作框架。Qwen2.5-72B-Instruct负责统一代码生成，Qwen2.5-Coder-7B作为CodeGen基础模型，Qwen3-8B处理自然语言生成，Qwen3-32B进行质量评估。训练配置采用3个epoch、5×10^-6学习率、128批处理大小，配合AdamW优化器和余弦学习率衰减策略。评估过程严格采用零样本设置和贪婪解码策略，确保结果可靠性。
这项创新为AI训练提供了新范式。通过将抽象推理转化为可执行代码，不仅解决了传统方法的质量控制难题，还大幅降低了数据标注成本。代码的精确性要求促使AI发展出更严谨的思维方式，这种能力可迁移至多个需要逻辑推理的领域。开源的技术方案降低了应用门槛，为开发更智能的AI系统奠定了基础。
热门专题
热门推荐
加密货币行业翘首以盼的监管里程碑，终于有了实质性进展。美国证券交易委员会（SEC）主席保罗·阿特金斯（Paul Atkins）近日证实，那份允许加密项目在早期获得注册豁免权的“安全港”框架提案，已经正式送抵白宫，进入了最终审查阶段。 在范德堡大学与区块链协会联合举办的数字资产峰会上，阿特金斯透露了这
微策略Strategy报告：第一季录得144 6亿美元浮亏 再斥资约3 3亿美元买进4871枚比特币 市场震荡的威力有多大？看看Strategy的最新季报就明白了。根据其最新向美国证管会(SEC)提交的8-K报告，受市场剧烈波动影响，这家公司所持的比特币在第一季度录得了一笔惊人的数字——144 6亿
稳定币巨头Tether的动向，向来是加密世界的风向标。这不，它向Web3基础设施的版图扩张，又迈出了关键一步。公司执行长Paolo Ardoino在社交平台X上透露，其工程团队正在全力“烹制”一个新项目——去中心化搜索引擎 “Hypersearch”。这个消息一出，立刻引发了行业的广泛猜想。 采用D
基地位于Coinbase旗下以太坊Layer2网络Base的Seamless Protocol，日前正式宣告了服务的终结。这个曾经吸引了超过20万用户的原生DeFi借贷协议，在运营不到三年后，终究没能跑赢时间。它主打的核心产品是Integrated Leverage Markets（ILMs）——一
PAAL代币揭秘：深度解析Web3社区治理的核心钥匙 在去中心化自治组织的浪潮中，谁真正掌握了项目的话语权？PAAL代币提供了一套系统化的答案。它不仅是生态内流转的价值媒介，更是开启链上治理大门的核心凭证。通过持有并质押PAAL代币，用户能够对协议升级、资金分配乃至战略方向等关键事务投出决定性的一票