現(xiàn)在的大語言模型就像準備高考的學生，做純文本推理題時已經(jīng)得心應手，但遇到圖文結合的綜合題就容易翻車。

這背后有兩個大麻煩：一是圖像、文字混合的題目太多樣，平時練的和考場上遇到的差距太大，二是練習題里魚龍混雜，總有不少錯題、偏題，越練反而越糊涂。

最近某高校曹琪博士生和謝彭濤副教授團隊搞出了個新模型DreamPRM-1.5，思路挺有意思，不讓AI盲目刷題，而是學會給習題挑重點，高質(zhì)量的題多練，垃圾題少看。

就靠這招，他們在包含30個學科的"終極測驗"里，成績直接超過了GPT-5和Gemini這些國際大牌。

以前的AI訓練像粗放式復習，比如把數(shù)學、語文按科目劃分重點，這就是DreamPRM初代版本的做法，但實際考試時，同一科目里有的題價值高，有的就是浪費時間。

DreamPRM-1.5玩了把精細操作，給每個訓練樣本單獨標權重，就像好學生整理錯題本，會給經(jīng)典例題畫三顆星，偏題怪題直接打叉，他們搞了兩種實現(xiàn)方式。

InstanceTable就像給每道題單獨寫批注，靈活是靈活，但題目一多就記不過來，適合小規(guī)模數(shù)據(jù)集。

InstanceNet則像總結出一套評分標準，不管多少題都能用這套規(guī)則打分，參數(shù)量固定，應付大規(guī)模訓練更在行。

這種從“按科目加權”到“按樣本加權”的升級，讓AI能在海量數(shù)據(jù)里精準抓重點，避免在垃圾數(shù)據(jù)上浪費算力。

光有加權規(guī)則還不夠，關鍵是權重能跟著效果動態(tài)調(diào)整，團隊用的雙層優(yōu)化框架，就像帶反饋的教學系統(tǒng)。

下層優(yōu)化是學生按當前重點刷題，用樣本權重更新模型參數(shù)，上層優(yōu)化是老師根據(jù)?？冀Y果調(diào)整重點，在元數(shù)據(jù)集上評估效果后反過來更新權重，這種設計讓權重不是死的，而是跟著推理效果實時變動。

打分機制也很有講究，用生成式獎勵模型給推理過程每步打分，就像老師批改作文不僅看結論，還會逐段批注，每步推理合理就打“+”，不合理就打“-”，最后算平均分。

訓練過程也很實在：先用20k樣本冷啟動，讓模型學會基本的打分規(guī)則，再用100k步迭代精調(diào)，單卡NVIDIAA100跑了72小時才完成。

檢驗成果的MMMU基準可不是一般的測試，涵蓋30個學科、183個子領域，從圖表分析到化學結構無所不包，堪稱多模態(tài)推理的“高考地獄模式”。

結果相當亮眼：GPT-5-mini基礎版考了80分，用DreamPRM-1.5的InstanceTable方案直接沖到84.6分，InstanceNet也有83.6分。

更厲害的是，這成績超過了GPT-5原版（84.2分）和Gemini2.5Pro（84.0分）這些閉源大模型。

對比實驗很能說明問題：不做加權的對照組只拿79.1分，比基線還低，用了400k大數(shù)據(jù)的VisualPRM才80.5分，證明數(shù)據(jù)多不如數(shù)據(jù)精，經(jīng)典的Self-consistency方法81.4分，還是拼不過動態(tài)加權。

DreamPRM-1.5的突破，本質(zhì)上是讓AI訓練從“題海戰(zhàn)術”轉向“精準教學”，在大模型參數(shù)競賽遇到瓶頸的今天，這種精打細算的數(shù)據(jù)利用方式，可能比盲目擴大參數(shù)量更有前途。

就像好老師懂得因材施教，好的AI訓練框架也該懂得“因數(shù)據(jù)施教”，中國團隊這次拿出的不僅是個SOTA模型，更提供了一種思路，在數(shù)據(jù)爆炸的時代，學會篩選和聚焦，比貪多求全更重要。

未來的AI競爭，或許不再是誰的模型更大，而是誰能更聰明地利用數(shù)據(jù)，畢竟真正的智慧不在于擁有多少信息，而在于能從中提取多少價值。