/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
6,5 млрд
Размер весов
13,8 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
NuminaMath-7B-TIR
Опубликована
1 сен 2024

Mathmate-7B-DELLA

Генерация текстаТекст → текст

Объединённая языковая модель на 6,5 млрд параметров для генерации текста при решении математических задач и построении доказательств.

19скачиваний за 30 дней0лайковвеса обновлены23 сен 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

Mathmate-7B-DELLA — языковая модель для генерации текста, созданная Haleshot объединением AI-MO/NuminaMath-7B-TIR и deepseek-ai/DeepSeek-Prover-V1.5-RL методом DELLA через LazyMergekit. Это плотная архитектура Llama с 6,5 млрд параметров, представленная в формате safetensors; контекст составляет 4096 токенов. Модель ориентирована на решение математических задач и генерацию доказательств, в том числе с опорой на возможности базовых моделей в NuminaMath и Lean 4.

В README приведены результаты оценки на наборах AGIEval, GPT4All, TruthfulQA и Bigbench со средним баллом 33,86; эти показатели не гарантируют качество на конкретных задачах. Модель принимает текст и генерирует текст. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • решение математических задач с пошаговым объяснением
  • генерация вариантов математических доказательств
  • подготовка текстовых ответов по математическим задачам
  • эксперименты с объединением моделей для математического рассуждения

Ограничения

Контекст ограничен 4096 токенами. Оценки в README приведены на общих тестовых наборах и не подтверждают точность на конкретных математических задачах или доказательствах.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Mathmate-7B-DELLA

Mathmate-7B-DELLA is a merge of the following models using LazyMergekit:

🧩 Configuration

models:
  - model: AI-MO/NuminaMath-7B-TIR
    parameters:
      density: 0.5
      weight: 0.3
  - model: deepseek-ai/DeepSeek-Prover-V1.5-RL
    parameters:
      density: 0.5
      weight: 0.2
merge_method: della
base_model: deepseek-ai/deepseek-math-7b-base
parameters:
  normalize: true
dtype: bfloat16

💻 Usage

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "Haleshot/Mathmate-7B-DELLA"
messages = [{"role": "user", "content": "What is a large language model?"}]

tokenizer = AutoTokenizer.from_pretrained(model)
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
pipeline = transformers.pipeline(
    "text-generation",
    model=model,
    torch_dtype=torch.float16,
    device_map="auto",
)

outputs = pipeline(prompt, max_new_tokens=256, do_sample=True, temperature=0.7, top_k=50, top_p=0.95)
print(outputs[0]["generated_text"])

📊 Evaluation Results

Evaluation results using LLMAutoeval:

ModelAGIEvalGPT4AllTruthfulQABigbenchAverage
Mathmate-7B-DELLA21.9536.548.0828.8933.86

AGIEval

TaskVersionMetricValueStderr
agieval_aqua_rat0acc21.262.57
acc_norm22.052.61
agieval_logiqa_en0acc20.891.59
acc_norm25.651.71
agieval_lsat_ar0acc21.742.73
acc_norm19.572.62
agieval_lsat_lr0acc13.921.53
acc_norm18.821.73
agieval_lsat_rc0acc21.192.50
acc_norm18.962.39
agieval_sat_en0acc24.763.01
acc_norm21.362.86
agieval_sat_en_without_passage0acc27.183.11
acc_norm23.302.95
agieval_sat_math0acc25.452.94
acc_norm25.912.96

Average: 21.95%

GPT4All

TaskVersionMetricValueStderr
arc_challenge0acc22.611.22
acc_norm25.681.28
arc_easy0acc25.250.89
acc_norm25.080.89
boolq1acc52.020.87
hellaswag0acc25.770.44
acc_norm26.090.44
openbookqa0acc18.401.73
acc_norm28.802.03
piqa0acc51.311.17
acc_norm50.111.17
winogrande0acc47.751.40

Average: 36.5%

TruthfulQA

TaskVersionMetricValueStderr
truthfulqa_mc1mc122.771.47
mc248.081.70

Average: 48.08%

Bigbench

TaskVersionMetricValueStderr
bigbench_causal_judgement0multiple_choice_grade49.473.64
bigbench_date_understanding0multiple_choice_grade13.551.78
bigbench_disambiguation_qa0multiple_choice_grade30.232.86
bigbench_geometric_shapes0multiple_choice_grade10.031.59
exact_str_match0.000.00
bigbench_logical_deduction_five_objects0multiple_choice_grade19.401.77
bigbench_logical_deduction_seven_objects0multiple_choice_grade14.001.31
bigbench_logical_deduction_three_objects0multiple_choice_grade36.672.79
bigbench_movie_recommendation0multiple_choice_grade23.601.90
bigbench_navigate0multiple_choice_grade47.101.58
bigbench_reasoning_about_colored_objects0multiple_choice_grade13.050.75
bigbench_ruin_names0multiple_choice_grade53.792.36
bigbench_salient_translation_error_detection0multiple_choice_grade15.631.15
bigbench_snarks0multiple_choice_grade46.963.72
bigbench_sports_understanding0multiple_choice_grade49.701.59
bigbench_temporal_sequences0multiple_choice_grade25.801.38
bigbench_tracking_shuffled_objects_five_objects0multiple_choice_grade19.761.13
bigbench_tracking_shuffled_objects_seven_objects0multiple_choice_grade14.690.85
bigbench_tracking_shuffled_objects_three_objects0multiple_choice_grade36.672.79

Average: 28.89%

Average score: 33.86%

Elapsed time: 03:52:09

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
d8ca261

0 моделей