4 月 25 日消息，科技媒體 marktechpost 今天（4 月 25 日）發布博文，報道稱英偉達專為數學推理設計，發布 OpenMath-Nemotron-32B 和 OpenMath-Nemotron-14B-Kaggle兩款先進 AI 模型。

數學推理一直是 AI 領域的巨大挑戰。傳統的語言模型擅長生成流暢文本，卻在解決復雜數學問題時顯得力不從心，這些問題不僅需要理解抽象概念，還要求多步驟的邏輯推導。

援引博文介紹，英偉達針對這一難題，推出了 OpenMath-Nemotron-32B 和 OpenMath-Nemotron-14B-Kaggle兩款模型，基于 Qwen 系列 transformer 模型，通過在 OpenMathReasoning 數據集上的深度微調，顯著提升了數學推理能力。

OpenMath-Nemotron-32B 是系列中的旗艦產品，擁有 328 億參數，采用 BF16 張量運算優化硬件效率。該模型在 AIME 2024、AIME 2025、HMMT 2024-25 等多項基準測試中取得領先成績。

以工具集成推理（TIR）模式為例，其在 AIME24 上的 pass@1 準確率達到 78.4%，通過多數投票機制更是提升至 93.3%。

此外，模型支持鏈式思維（CoT）、工具集成推理（TIR）和生成式選擇（GenSelect）三種模式，用戶可根據需求平衡推理透明度和答案精確度，滿足科研和生產環境的不同場景。

OpenMath-Nemotron-14B-Kaggle是一款 148 億參數的輕量模型，針對 AIMO-2 Kaggle 競賽優化設計，通過精選 OpenMathReasoning 數據集子集進行微調，成功奪得競賽第一名。

在 AIME24 測試中，其 CoT 模式下 pass@1 準確率為 73.7%，GenSelect 模式下提升至 86.7%。這款模型參數更少，保持高質量的數學解題能力的同時，適合資源受限或低延遲需求的場景。

英偉達為兩款模型提供了開源管道，集成于 NeMo-Skills 框架中，支持數據生成、訓練和評估的全流程復現。開發者可通過示例代碼快速構建應用，獲取逐步解答或簡潔答案。

模型針對 NVIDIA GPU（如 Ampere 和 Hopper 架構）深度優化，利用 CUDA 庫和 TensorRT 技術，確保高效運行。同時，采用 Triton Inference Server 支持低延遲、高吞吐量的部署，BF16 格式則在內存占用與性能間取得平衡，助力大規模應用落地。