/ Модель

Характеристики

Контекст
131 072 токена
Параметры
71,5 млрд
Размер весов
145 ГБ
Лицензия
Своя лицензия
Архитектура
qwen2 · dense
Базовая модель
NuminaMath-72B-CoT
Опубликована
17 июл 2024

NuminaMath-72B-TIR

Генерация текстаТекст → текст3 профессии

Доопределённая модель Qwen2 на 71,5 млрд параметров для пошагового решения математических задач на английском языке, в том числе с рассуждениями и кодом Python.

30скачиваний за 30 дней9лайковвеса обновлены19 июл 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

NuminaMath-72B-TIR — языковая модель команды AI-MO для решения математических задач соревновательного уровня. Это плотная авторегрессионная модель семейства Qwen2 с 71,5 млрд параметров и контекстом до 131 072 токенов, дообученная в два этапа: сначала на математических задачах с пошаговыми решениями Chain of Thought, затем на примерах рассуждений с использованием инструментов, включая последовательности обоснований, программ Python и их результатов. Модель преимущественно рассчитана на английский язык.

Модель подходит для пошагового решения текстовых математических задач и может включать выполнение кода Python в цикл рассуждений при соответствующей настройке. По данным карточки, она справляется с задачами уровня AMC 12, но часто ошибается на более сложных задачах уровня AIME и математических олимпиад; геометрия также даётся ей трудно. Она узкоспециализирована и не предназначена для общего диалога, а отсутствие визуального ввода ограничивает решение задач, зависящих от чертежей. Лицензия указана как Tongyi Qianwen; в метаданных Hugging Face тип лицензии обозначен как other.

Сценарии применения

  • пошаговое решение задач по математике
  • решение текстовых задач уровня AMC
  • генерация обоснованных решений математических задач
  • решение задач с помощью кода Python
  • разбор олимпиадных задач начального и среднего уровня

Ограничения

Модель часто испытывает трудности с задачами уровня AIME и математических олимпиад, а также с геометрией; для задач с чертежами ей недостаёт визуального ввода. Карточка не рекомендует использовать её для общего диалога.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for NuminaMath 72B TIR

NuminaMath is a series of language models that are trained with two stages of supervised fine-tuning to solve math problems using chain of thought (CoT) and tool-integrated reasoning (TIR):

  • Stage 1: fine-tune the base model on a large, diverse dataset of natural language math problems and solutions, where each solution is templated with Chain of Thought (CoT) to facilitate reasoning.
  • Stage 2: fine-tune the model from Stage 1 on a synthetic dataset of tool-integrated reasoning, where each math problem is decomposed into a sequence of rationales, Python programs, and their outputs.

Model description

  • Model type: A 72B parameter math LLM fine-tuned on a dataset with 860k+ math problem-solution pairs.
  • Language(s) (NLP): Primarily English
  • License: Tongyi Qianwen
  • Finetuned from model: Qwen/Qwen2-72B

Model Sources

Intended uses & limitations

Here's how you can run the model using the pipeline() function from 🤗 Transformers:

import re
import torch
from transformers import pipeline

pipe = pipeline("text-generation", model="AI-MO/NuminaMath-72B-TIR", torch_dtype=torch.bfloat16, device_map="auto")

messages = [
    {"role": "user", "content": "For how many values of the constant $k$ will the polynomial $x^{2}+kx+36$ have two distinct integer roots?"},
]
prompt = pipe.tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)

gen_config = {
    "max_new_tokens": 1024,
    "do_sample": False,
    "stop_strings": ["```output"], # Generate until Python code block is complete
    "tokenizer": pipe.tokenizer,
}

outputs = pipe(prompt, **gen_config)
text = outputs[0]["generated_text"]
print(text)

# WARNING: This code will execute the python code in the string. We show this for eductional purposes only.
# Please refer to our full pipeline for a safer way to execute code.
python_code = re.findall(r"```python(.*?)```", text, re.DOTALL)[0]
exec(python_code)

The above executes a single step of Python code - for more complex problems, you will want to run the logic for several steps to obtain the final solution.

Bias, Risks, and Limitations

NuminaMath 72B TIR was created to solve problems in the narrow domain of competition-level mathematics. As a result, the model should not be used for general chat applications. With greedy decoding, we find the model is capable of solving problems at the level of AMC 12, but often struggles generate a valid solution on harder problems at the AIME and Math Olympiad level. The model also struggles to solve geometry problems, likely due to it's limited capacity and lack of other modalities like vision.

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 1
  • eval_batch_size: 1
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 32
  • total_train_batch_size: 32
  • total_eval_batch_size: 32
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: cosine
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 4

Framework versions

  • Transformers 4.42.3
  • Pytorch 2.3.0+cu121
  • Datasets 2.18.0
  • Tokenizers 0.19.1

Citation

If you find NuminaMath 7B TIR is useful in your work, please cite it with:

@misc{numina_math_7b,
  author = {Edward Beeching and Shengyi Costa Huang and Albert Jiang and Jia Li and Benjamin Lipkin and Zihan Qina and Kashif Rasul and Ziju Shen and Roman Soletskyi and Lewis Tunstall},
  title = {NuminaMath 7B TIR},
  year = {2024},
  publisher = {Numina & Hugging Face},
  journal = {Hugging Face repository},
  howpublished = {\url{https://huggingface.co/AI-MO/NuminaMath-7B-TIR}}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
82929e6

0 моделей