/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
6,6 млрд
Размер весов
27 ГБ
Лицензия
Llama 2
Архитектура
llama · dense
Опубликована
12 сен 2023

llemma_7b

Генерация текстаТекст → текст4 профессии

Llemma 7B — дообученная на математических данных языковая модель для решения задач, пошаговых рассуждений и работы с вычислительными инструментами.

804скачиваний за 30 дней113лайковвеса обновлены19 фев 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 оценки1

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

  • TIGER-Lab/MMLU-Pro

    score · выше — лучше

    Результат

    23,45

    mmlu_pro 23,45
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Llemma 7B — языковая модель для математических задач, созданная командой авторов, перечисленных в карточке модели. Она основана на весах Code Llama 7B и дообучена на 200 млрд токенов корпуса Proof-Pile-2; архитектура — плотная LlamaForCausalLM с 6,6 млрд параметров. Модель предназначена для математических рассуждений с пошаговым выводом, решения задач и применения вычислительных инструментов, включая Python и системы формальной проверки теорем.

В оценках авторов Llemma 7B показала сильные результаты на задачах математических рассуждений и STEM по сравнению с Llama 2 и Code Llama аналогичного размера. Модель принимает текст и генерирует текст; заявленная длина контекста — 4096 токенов. Карточка указывает лицензию Llama 2. Результаты оценок не гарантируют точности в произвольных задачах, а сама модель может ошибаться в вычислениях и рассуждениях.

Сценарии применения

  • решение математических задач с пошаговыми рассуждениями
  • ответы на вопросы по математике и STEM
  • генерация математических доказательств
  • подготовка к экзаменационным задачам по математике
  • создание кода Python для вычислений

Ограничения

Модель может допускать ошибки в вычислениях, рассуждениях и доказательствах; высокие результаты в опубликованных оценках не гарантируют точности на произвольных задачах.

Для каких профессий подходит4

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

ArXiv | Models | Data | Code | Blog | Sample Explorer

Zhangir Azerbayev, Hailey Schoelkopf, Keiran Paster, Marco Dos Santos, Stephen McAleer, Albert Q. Jiang, Jia Deng, Stella Biderman, Sean Welleck

Llemma 7B is a language model for mathematics. It was initialized with Code Llama 7B weights, and trained on the Proof-Pile-2 for 200B tokens.

This model also comes in a 34B parameter version: Llemma 34B.

Evaluations

Llemma models are particularly strong at chain-of-thought mathematical reasoning and using computational tools for mathematics, such as Python and formal theorem provers.

Chain-of-thought Math

On chain-of-thought mathematics tasks, Llemma models outperform Llama-2, Code Llama, and when controlled for model size, outperform Minerva.

ModelSizeGSM8kOCWMMLU-STEMSATMATH
Llama 27B11.8%3.7%29.9%25%3.2%
Code Llama7B10.5%4.4%25.1%9.4%4.5%
LLEMMA7B36.4%7.7%37.7%53.1%18.0%
Minerva8B16.2%7.7%35.6%-14.1%
----------------------------------------------------------
Code Llama34B29.6%7.0%40.5%40.6%12.2%
LLEMMA34B51.5%11.8%49.0%71.9%25.0%
----------------------------------------------------------
Minerva62B52.4%12.0%53.9%-27.6%
Minerva540B58.8%17.6%63.9%-33.6%

Further performance can be extracted by using majority voting:

ModelSizeGSM8k maj@100OCW maj@100MMLU-STEM maj@16SAT maj@16MATH maj@256
LLEMMA7B54.0%14.3%49.9%78.1%33.5
Minerva8B28.4%12.5%43.4%-25.4%
-------------------------------------------------------------------------------
LLEMMA34B69.3%18.4%59.7%81.3%43.1%
-------------------------------------------------------------------------------
Minerva62B68.5%23.5%63.5%-43.4%
Minerva540B78.5%30.8%75.0%-50.3%

Tool Use and Theorem Proving

In addition to chain-of-thought reasoning, Llemma has strong capabilities in computational mathematics tasks. For tool use and formal theorem proving evaluations, see our paper.

Citation

@misc{azerbayev2023llemma,
      title={Llemma: An Open Language Model For Mathematics}, 
      author={Zhangir Azerbayev and Hailey Schoelkopf and Keiran Paster and Marco Dos Santos and Stephen McAleer and Albert Q. Jiang and Jia Deng and Stella Biderman and Sean Welleck},
      year={2023},
      eprint={2310.10631},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
e223eee

0 моделей