/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
28,4 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Опубликована
4 апр 2024

ReasonEval-7B

Классификация текстаТекст → label3 профессии

Англоязычная модель на базе Mistral для классификации шагов математических решений по корректности и избыточности.

61скачиваний за 30 дней5лайковвеса обновлены9 апр 2024

Бенчмарки

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

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

ReasonEval-7B — англоязычная модель GAIR для оценки отдельных шагов решения математических задач. Это decoder-only модель семейства Mistral с 7,1 млрд параметров, дообученная на WizardMath-7B-V1.1 с использованием данных PRM800K. Вместо обычной головы предсказания следующего токена используется классификационная голова, которая оценивает корректность и полезность шагов рассуждения.

Модель принимает условие задачи и её решение и классифицирует шаги по двум аспектам: наличие ошибок в вычислениях или логике и избыточность шага, который не помогает решению. Её можно применять для поиска ошибочных или лишних шагов даже в решениях с правильным итоговым ответом, количественной оценки качества рассуждений и отбора обучающих примеров для последующего дообучения. Контекст составляет до 32 768 токенов.

Модель предназначена для классификации текстовых шагов математических решений, а не для генерации решений. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

Сценарии применения

  • Поиск логических ошибок в шагах математического решения
  • Выявление ошибочных вычислений в разборе задачи
  • Оценка полезности каждого шага рассуждения
  • Поиск лишних шагов в решении с верным ответом
  • Отбор качественных решений для обучающих данных

Ограничения

Модель классифицирует шаги решения, а не генерирует решения задач. В карточке описана оценка корректности и избыточности; другие типы проверки не заявлены.

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

ReasonEval-7B Model Card

Model Description

ReasonEval-7B is a 7B parameter decoder-only language model fine-tuned from WizardMath-7B-V1.1. Given a mathematical problem and the solution, ReasonEval-7B assesses the problem-solving process in a step-by-step format from the following perspectives:

  • Validity: The step contains no mistakes in calculation and logic.
  • Redundancy: The step lacks utility in solving the problem but is still valid.

With ReasonEval, you can

  • 📏 quantify the quality of reasoning steps free of human or close-source models.

  • 🤖 find the potential invalid or redundant steps in the solutions even with the correct results.

  • 🛠️ select high-quality training data for downstream tasks (e.g., fine-tuning).

Model Details

For detailed instructions on how to use the ReasonEval-7B model, visit our GitHub repository at https://github.com/GAIR-NLP/ReasonEval.

How to Cite

@article{xia2024evaluating,
        title={Evaluating Mathematical Reasoning Beyond Accuracy}, 
        author={Xia, Shijie and Li, Xuefeng and Liu, Yixin and Wu, Tongshuang and Liu, Pengfei},
        journal={arXiv preprint arXiv:2404.05692},
        year={2024},
}

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
ReasonEval_7B
Ревизия весов
0a6556e

0 моделей