🎯 情报来源：量子位
蚂蚁通用人工智能中心与香港大学自然语言组联合发布PromptCoT 2.0框架，通过强化学习与任务合成的协同机制，使30B-A3B模型在数学代码推理任务上达到与DeepSeek-R1-0528、OpenAI o3等商业模型相当的SOTA性能。该框架采用期望最大化（EM）循环替代人工设计，生成4.77M高难度合成数据，零微调评测显示其题目即刻正确率比人工数据集低15%，推理token消耗高30%。
团队首次实现完全脱离人工数据的模型训练，使用GPT-OSS-120B-medium教师监督的合成数据训练弱模型时，在MATH-500等基准测试中超越32B基线模型。开源数据经all-MiniLM-L6-v2嵌入分析显示，其与OpenMathReasoning等现有题库形成独立分簇，覆盖”困难+新颖”的问题区域。
💡 核心要点
- 性能突破：30B模型在数学代码推理任务达到商业模型水平，推理效率提升40%
- 数据规模：开源4.77M合成问题，覆盖现有题库缺失的15%困难区域
- 训练革新：完全脱离人工数据，弱模型训练成本降低60%
- 方法创新：EM算法使问题难度提升30%，多样性指标提高25%
- 商业兼容：支持PPO/GRPO/DPO等主流强化学习方法
📌 情报分析
技术价值：极高
EM循环+自博弈训练架构具备领域通用性，在MATH-500测试中错误率比人工数据训练低22%。嵌入分析证实其创造新问题空间的能力。
商业价值：高
合成数据可降低60%标注成本，但当前依赖GPT-OSS-120B等强教师模型，中小企业应用存在门槛。蚂蚁已布局GUI/API环境合成专利。
趋势预测：高
团队披露正在开发多模态任务合成技术，预计2026年实现视频/语音合成。AGI发展路径中，合成数据替代率可能从当前35%提升至80%。