DeepMath：基于 smolagents 的轻量级数学推理智能体

Intel AI 软件团队推出 DeepMath，一个基于 Qwen3-4B Thinking、用 GRPO 微调并通过 smolagents 实现的数学推理智能体。模型用简短 Python 代码片段替代冗长文本推理，在沙箱中执行后回填推理上下文，输出长度最多减少 66%，同时常提升准确率。在 MATH500、AIME、HMMT、HLE 四个数据集上，GRPO 训练与智能体推理结合取得最高准确率。