引言

在数学推理领域，大语言模型（LLM）的性能长期以来受限于高质量训练数据的匮乏。数据质量不足、数量有限，即使模型规模再大也难以取得突破。然而，微软团队近期提出的一项创新框架——关键点驱动的数据合成（KPDDS），为这一困境提供了新的解决路径。其核心理念简洁明了：从真实数据中提取关键点和示例对，并像教师备课一样自动生成问答对。基于该框架，团队构建了KPMath数据集，随后融合其他推理密集型数据，形成了KPMath-Plus。以Mistral-7B模型在KPMath-Plus上进行微调后，其MATH测试集零样本PASS@1准确率飙升至39.3%，不仅全面超越同量级的7B模型，甚至将34B模型甩在身后。论文链接：https://arxiv.org/pdf/2403.02333.pdf

研究背景

大语言模型如GPT-4、Gemini、Mistral等在自然语言处理任务中表现出色，但面对复杂推理，尤其是数学问题，往往力不从心。数学推理不仅需要理解题意，还涉及逻辑推导与数值计算，这远超LLM常规训练的能力范围。现有的数学推理数据集，例如OpenWebMath和MathPile，大多从网络爬取，质量参差不齐且相关性难以保证。另一方面，人工标注的高质量数据集如MATH，虽然精度和可靠性很高，但数量稀少，且通常仅提供答案而不展示详细推理步骤。如何破解这一困境？研究人员尝试过对现有数据集进行增强，或从已有知识概念自动生成新题。然而，这些方法过度依赖结构化知识，而结构化知识与真实数据集分布往往不一致——缺乏示例引导，仅凭概念无法有效生成。

KPDDS介绍

为了突破这一瓶颈，本文提出了一种全新的数据合成框架——关键点驱动的数据合成（Key Point Driven Data Synthesis，KPDDS）。其核心在于利用关键点和示例对，从真实数据源自动生成问答对，既保障质量又支持规模化扩展。整个框架分为两大阶段：知识构建与实践生成。

知识构建

首先，从数学问题集合中精心挑选一批种子问题，这些题目应能代表数学推理的多样性及复杂度。随后，借助GPT-4等大模型对种子问题进行深度剖析，识别每个问题涉及的数学主题与关键点——例如所用公式、解题策略或定理证明。为确保数据纯净与一致性，对提取的主题和关键点进行去重处理，并采用聚类算法将相似问题与解题策略归并，形成紧密关联的逻辑簇。最后，基于这些聚类结果构建关键点数学实践（MPKP）数据集。该数据集不仅包含问题的数学主题，还清晰梳理了解题关键点，为后续问题生成提供结构化的知识框架。经过优化与校验，该数据集如同地基一般，为整个KPDDS框架奠定了坚实基础。

实践生成

这一阶段内容更为丰富。首先将种子问题提取的主题和关键点作为输入，结合示例问题，交由GPT-4生成覆盖多个数学领域的新题目。为保障创新性与多样性，在生成过程中需严格把控方向，避免偏离主题。生成后，需通过质量关卡——问题质量评分（PQS）系统会剔除不合格题目，仅保留高水平内容。接着，为每道题生成多个候选答案选项，并采用共识投票机制选出最可靠的答案。最后，将问题与答案配对，并实施语言改写以增加数据集的多样性，同时确保答案的准确性。经过这一整套流程，训练和微调大模型时不再缺乏数据，数学推理能力自然得到显著提升。

KPMath-Plus数据集

KPMath-Plus数据集是在KPMath基础上整合其他数据源（如MMIQC、MathInstruct-CoT）构建而成的。如下图所示，生成过程中进行了数据清洗与格式化，确保整个数据集的一致性与规范性。最后，还需平衡不同主题与关键点的分布，形成最终版本。该数据集既包含KPMath的全部内容，又融合了其他来源的信息，相当于为模型提供了一个更全面的数学推理训练体系——面对复杂数学题目时，模型的底气与能力都更为充足。

实验结果

直接在KPMath-Plus上微调Mistral-7B，效果令人惊艳。在MATH测试集上，零样本PASS@1准确率达到39.3%，不仅大幅领先同尺寸的7B模型，甚至超越了34B的庞大模型。下图展示了细分结果：模型在代数、几何、数论等各个子主题上均实现了系统性提升，充分说明KPMath-Plus数据集具备强大的泛化能力，无论哪种数学题型都能从容应对。