OpenReasoning-Nemotron-7B 概述

描述：<br>

OpenReasoning-Nemotron-7B 是一个大语言模型（LLM），它是 Qwen2.5-7B-Instruct（即参考模型）的衍生版本。这是一个经过后训练的推理模型，专门用于数学、代码和科学解决方案生成的推理任务。我们对这个模型进行了最高 64K 输出 token 的评估。OpenReasoning 模型提供以下尺寸：1.5B、7B、14B 和 32B。<br>

该模型已准备好用于商业/非商业研究用途。<br>

许可证/使用条款：<br>

管辖条款：上述模型的使用受 知识共享署名 4.0 国际许可协议 (CC-BY-4.0) 管辖。附加信息：Apache 2.0 许可证

推理基准测试得分

我们的模型在一系列具有挑战性的推理基准测试中表现出色。7B、14B 和 32B 模型在其尺寸类别中持续创造新的最先进记录。

* 这是我们对 Artificial Analysis Intelligence Index 的估算，非官方得分。

* LiveCodeBench 版本 6，日期范围 2408-2505。

组合多个智能体的工作

OpenReasoning-Nemotron 模型可以在"重型"模式下使用，通过启动多个并行生成并通过生成式解决方案选择（GenSelect）将它们组合在一起。为了添加这种"技能"，我们遵循原始的 GenSelect 训练流程，但我们不训练选择摘要，而是使用 DeepSeek R1 0528 671B 的完整推理轨迹。我们只训练模型为数学问题选择最佳解决方案，但令人惊讶的是，这种能力可以直接泛化到代码和科学问题！在这种"重型" GenSelect 推理模式下，OpenReasoning-Nemotron-32B 模型在数学和编码基准测试中超越了 O3（High）。

如何使用这些模型？

在编程问题上运行推理：

import transformers
import torch
model_id = "nvidia/OpenReasoning-Nemotron-7B"
pipeline = transformers.pipeline(
    "text-generation",
    model=model_id,
    model_kwargs={"torch_dtype": torch.bfloat16},
    device_map="auto",
)
# 代码生成提示词
prompt = """You are a helpful and harmless assistant. You should think step-by-step before responding to the instruction below.
Please use python programming language only.
You must use ```python for just the final solution code block with the following format:
```python
# Your code here
```
{user}
"""

# 数学生成提示词
# prompt = """Solve the following math problem. Make sure to put the answer (and only answer) inside \boxed{}.
# 
# {user}
# """

# 科学生成提示词
# 您可以参考此处的提示词 -
# https://github.com/NVIDIA/NeMo-Skills/blob/main/nemo_skills/prompt/config/generic/hle.yaml (HLE)
# https://github.com/NVIDIA/NeMo-Skills/blob/main/nemo_skills/prompt/config/eval/aai/mcq-4choices-boxed.yaml (用于 GPQA)
# https://github.com/NVIDIA/NeMo-Skills/blob/main/nemo_skills/prompt/config/eval/aai/mcq-10choices-boxed.yaml (MMLU-Pro)

messages = [
    {
        "role": "user",
        "content": prompt.format(user="Write a program to calculate the sum of the first $N$ fibonacci numbers")},
]
outputs = pipeline(
    messages,
    max_new_tokens=64000,
)
print(outputs[0]["generated_text"][-1]['content'])

我们在本仓库中添加了一个简单的基于 transformer 的脚本来说明 GenSelect。 要了解如何在 GenSelect 模式下使用 NeMo-Skills 使用这些模型，请参阅我们的文档。

要将模型与 GenSelect 推理一起使用，我们建议遵循我们的 NeMo-Skills 中的参考实现。或者，您可以手动从所有解决方案中提取摘要，并使用此提示词处理数学问题。我们将很快添加用于编程问题的提示词和参考实现！

您可以在以下论文中了解更多关于 GenSelect 的信息：

• AIMO-2 获胜方案：使用 OpenMathReasoning 数据集构建最先进的数学推理模型
• GenSelect：一种用于 Best-of-N 的生成方法

访问训练数据

训练数据已发布！数学和代码数据可作为 Nemotron-Post-Training-Dataset-v1 的一部分获取，科学数据可在 OpenScienceReasoning-2 中获取。 有关更多详细信息，请参阅我们的文档。

引用

如果您发现这些数据有用，请引用：

@article{ahmad2025opencodereasoning,
      title={{OpenCodeReasoning: Advancing Data Distillation for Competitive Coding}}, 
      author={Wasi Uddin Ahmad, Sean Narenthiran, Somshubra Majumdar, Aleksander Ficek, Siddhartha Jain, Jocelyn Huang, Vahid Noroozi, Boris Ginsburg},
      year={2025},
      eprint={2504.01943},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2504.01943}, 
}

@misc{ahmad2025opencodereasoningiisimpletesttime,
      title={{OpenCodeReasoning-II: A Simple Test Time Scaling Approach via Self-Critique}}, 
      author={Wasi Uddin Ahmad and Somshubra Majumdar and Aleksander Ficek and Sean Narenthiran and Mehrzad Samadi and Jocelyn Huang and Siddhartha Jain and Vahid Noroozi and Boris Ginsburg},
      year={2025},
      eprint={2507.09075},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2507.09075}, 
}

@misc{moshkov2025aimo2winningsolutionbuilding,
      title={{AIMO-2 Winning Solution: Building State-of-the-Art Mathematical Reasoning Models with OpenMathReasoning dataset}}, 
      author={Ivan Moshkov and Darragh Hanley and Ivan Sorokin and Shubham Toshniwal and Christof Henkel and Benedikt Schifferer and Wei Du and Igor Gitman},
      year={2025},
      eprint={2504.16891},
      archivePrefix={arXiv},
      primaryClass={cs.AI},
      url={https://arxiv.org/abs/2504.16891}, 
}

@inproceedings{toshniwal2025genselect,
      title={{GenSelect: A Generative Approach to Best-of-N}},
      author={Shubham Toshniwal and Ivan Sorokin and Aleksander Ficek and Ivan Moshkov and Igor Gitman},
      booktitle={2nd AI for Math Workshop @ ICML 2025},
      year={2025},
      url={https://openreview.net/forum?id=8LhnmNmUDb}
}

附加信息：

部署地理范围：

全球<br>

用例：<br>

该模型面向从事竞技数学、代码和科学问题工作的开发人员和研究人员。它仅通过监督微调进行训练，以在基准测试中取得高分。<br>

发布日期：<br>

Huggingface [07/16/2025] 通过 https://huggingface.co/nvidia/OpenReasoning-Nemotron-7B/ <br>

参考文献：

• [2504.01943] OpenCodeReasoning: Advancing Data Distillation for Competitive Coding
• [2504.01943] OpenCodeReasoning: Advancing Data Distillation for Competitive Coding
• [2504.16891] AIMO-2 Winning Solution: Building State-of-the-Art Mathematical Reasoning Models with OpenMathReasoning dataset <br>

模型架构：<br>

架构类型：稠密解码器专用 Transformer 模型 网络架构：Qwen-7B-Instruct <br> 该模型基于 Qwen2.5-7B-Instruct 开发，具有 7B 模型参数。<br>

OpenReasoning-Nemotron-1.5B 基于 Qwen2.5-1.5B-Instruct 开发，具有 1.5B 模型参数。<br>

OpenReasoning-Nemotron-7B 基于 Qwen2.5-7B-Instruct 开发，具有 7B 模型参数。<br>

OpenReasoning-Nemotron-14B 基于 Qwen2.5-14B-Instruct 开发，具有 14B 模型参数。<br>

OpenReasoning-Nemotron-32B 基于 Qwen2.5-32B-Instruct 开发，具有 32B 模型参数。<br>

输入：<br>

输入类型： 文本<br> 输入格式： 字符串<br> 输入参数： 一维（1D）<br> 与输入相关的其他属性： 训练支持高达 64,000 个输出 token<br>

输出：<br>

输出类型： 文本<br> 输出格式： 字符串<br> 输出参数： 一维（1D）<br> 与输出相关的其他属性： 训练支持高达 64,000 个输出 token<br>

我们的 AI 模型设计并/或优化为在 NVIDIA GPU 加速系统上运行。通过利用 NVIDIA 的硬件（例如 GPU 核心）和软件框架（例如 CUDA 库），与仅使用 CPU 的解决方案相比，该模型实现了更快的训练和推理时间。<br>

软件集成：<br>

• 运行时引擎：NeMo 2.3.0<br>
• 推荐的硬件微架构兼容性：<br> NVIDIA Ampere<br> NVIDIA Hopper<br>
• 首选/支持的操作系统：Linux<br>

模型版本：

1.0 (7/16/2025)<br> OpenReasoning-Nemotron-32B<br> OpenReasoning-Nemotron-14B<br> OpenReasoning-Nemotron-7B<br> OpenReasoning-Nemotron-1.5B<br>

训练和评估数据集：<br>

训练数据集：

OpenReasoning-Nemotron-7B 的训练语料库包含来自 OpenCodeReasoning 数据集、OpenCodeReasoning-II、OpenMathReasoning 的问题，以及来自 Llama-Nemotron-Post-Training-Dataset 的合成科学问题。所有响应均使用 DeepSeek-R1-0528 生成。我们还包含了来自 Llama-Nemotron-Post-Training-Dataset 的指令遵循和工具调用数据，未做修改。

数据收集方法：混合：自动化、人工、合成<br> 标注方法：混合：自动化、人工、合成<br> 属性：来自 OpenCodeReasoning 问题（https://huggingface.co/datasets/nvidia/OpenCodeReasoning）、OpenMathReasoning 以及 Llama-Nemotron-Post-Training-Dataset 的合成科学问题的 5M 个 DeepSeek-R1-0528 生成的响应。我们还包含了来自 Llama-Nemotron-Post-Training-Dataset 的指令遵循和工具调用数据，未做修改。

评估数据集：

我们使用以下基准测试对模型进行了全面评估。

数学

• AIME 2024/2025<br>
• HMMT<br>
• BRUNO 2025<br>

代码

• LiveCodeBench<br>
• SciCode<br>

科学

• GPQA<br>
• MMLU-PRO<br>
• HLE<br>

数据收集方法：混合：自动化、人工、合成<br> 标注方法：混合：自动化、人工、合成<br>

推理：

加速引擎： vLLM, Tensor(RT)-LLM<br> 测试硬件 NVIDIA H100-80GB<br>

伦理考量：

NVIDIA 认为可信 AI 是一项共同责任，我们已建立政策和实践来支持各种 AI 应用的开发。当根据我们的服务条款下载或使用时，开发人员应与其内部模型团队合作，确保此模型满足相关行业和用例的要求，并解决不可预见的产品滥用问题。

有关此模型伦理考量的更详细信息，请参阅模型卡++的可解释性、偏见、安全性和隐私子卡。

请在此处报告模型质量、风险、安全漏洞或 NVIDIA AI 问题。