LLaMA-Berry: Pairwise Optimization for O1-like Olympiad-Level Mathematical Reasoning

奥林匹克运动会 成对比较 浆果 计算机科学 数学 数学优化 人工智能 数学教育 生物 植物
作者
Di Zhang,Jianbo Wu,Jingdi Lei,Tong Che,Jiatong Li,Xie Tong,Xiaoshui Huang,Shufei Zhang,Marco Pavone,Yuqiang Li,Wanli Ouyang,D.C. Zhou
出处
期刊:Cornell University - arXiv
标识
DOI:10.48550/arxiv.2410.02884
摘要

This paper presents an advanced mathematical problem-solving framework, LLaMA-Berry, for enhancing the mathematical reasoning ability of Large Language Models (LLMs). The framework combines Monte Carlo Tree Search (MCTS) with iterative Self-Refine to optimize the reasoning path and utilizes a pairwise reward model to evaluate different paths globally. By leveraging the self-critic and rewriting capabilities of LLMs, Self-Refine applied to MCTS (SR-MCTS) overcomes the inefficiencies and limitations of conventional step-wise and greedy search algorithms by fostering a more efficient exploration of solution spaces. Pairwise Preference Reward Model~(PPRM), inspired by Reinforcement Learning from Human Feedback (RLHF), is then used to model pairwise preferences between solutions, utilizing an Enhanced Borda Count (EBC) method to synthesize these preferences into a global ranking score to find better answers. This approach addresses the challenges of scoring variability and non-independent distributions in mathematical reasoning tasks. The framework has been tested on general and advanced benchmarks, showing superior performance in terms of search efficiency and problem-solving capability compared to existing methods like ToT and rStar, particularly in complex Olympiad-level benchmarks, including GPQA, AIME24 and AMC23.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
一诺相许完成签到 ,获得积分10
2秒前
CornellRong发布了新的文献求助20
3秒前
李春霞发布了新的文献求助10
3秒前
3秒前
heavenhorse完成签到,获得积分10
3秒前
gejing发布了新的文献求助30
3秒前
Ls完成签到 ,获得积分10
4秒前
情怀应助yang123采纳,获得10
4秒前
5秒前
5秒前
5秒前
今天也要加油鸭完成签到,获得积分10
6秒前
darui完成签到 ,获得积分10
7秒前
7秒前
方赫然发布了新的文献求助10
9秒前
科研通AI5应助贺秋凉采纳,获得10
9秒前
xcf6653发布了新的文献求助10
9秒前
Jowill发布了新的文献求助10
10秒前
密密麻麻M完成签到,获得积分10
10秒前
10秒前
酷波er应助李春霞采纳,获得10
11秒前
HBZ发布了新的文献求助10
13秒前
14秒前
14秒前
希望天下0贩的0应助喂喂采纳,获得10
15秒前
恒星完成签到 ,获得积分10
15秒前
17秒前
承宣发布了新的文献求助10
19秒前
20秒前
20秒前
houruibut发布了新的文献求助10
21秒前
gejing完成签到,获得积分10
22秒前
科研通AI2S应助Skywalker采纳,获得10
22秒前
HongJiang发布了新的文献求助10
23秒前
能干妙竹完成签到,获得积分10
24秒前
Xin完成签到,获得积分10
24秒前
26秒前
26秒前
26秒前
高分求助中
Production Logging: Theoretical and Interpretive Elements 2700
Ophthalmic Equipment Market 1500
Neuromuscular and Electrodiagnostic Medicine Board Review 1000
こんなに痛いのにどうして「なんでもない」と医者にいわれてしまうのでしょうか 510
いちばんやさしい生化学 500
The First Nuclear Era: The Life and Times of a Technological Fixer 500
Unusual formation of 4-diazo-3-nitriminopyrazoles upon acid nitration of pyrazolo[3,4-d][1,2,3]triazoles 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3672688
求助须知:如何正确求助?哪些是违规求助? 3228855
关于积分的说明 9782298
捐赠科研通 2939285
什么是DOI,文献DOI怎么找? 1610759
邀请新用户注册赠送积分活动 760719
科研通“疑难数据库(出版商)”最低求助积分说明 736198