SPRINT数学推理模型

零样本精度大幅提升

一种利用程序化思维合成数据训练的数学推理模型，在多个基准上零样本性能超越现有方法，对数值扰动表现出更强鲁棒性。

闫琰 · Lin, Li · Zhang, Bowen

Neurocomputing 2025

参数信息

零样本精度

65.80 %

零样本精度

34.06 %

性能提升

514.3 %

合成样本数

100 K

技术优势

零样本精度大幅领先

在GSM8K上达到65.80%，超过MAmmoTH-Coder 8.94个百分点，无需额外示例即可直接部署。

数值扰动下更鲁棒

即使题目数值被修改，模型仍能保持较高准确率，适合动态变化的实际场景。

数据合成成本低

利用程序化思维从公开数据自动生成超过10万条训练样本，无需人工标注即可扩展。

应用场景

• 数学推理：直接嵌入自动解题与数学问答系统，提升准确率。
• 机器人数学能力：为机器人提供抗数值扰动的数学计算内核。
• 智能教育：赋能智能辅导系统，即时纠错与题目变形讲解。
• 自动化财务分析：处理含数值变动的金融计算，减少人工复核。
• 医疗决策支持：辅助医疗场景中涉及数值推理的决策支持。