/ Модель

Характеристики

Контекст
262 144 токена
Параметры
3,7 млрд
Размер весов
8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B-Thinking-2507
Библиотека
transformers
Опубликована
20 ноя 2025

deepmath-v1

Генерация текстаТекст → текст3 профессии

DeepMath — англоязычная модель Intel для решения математических задач с помощью кратких рассуждений и вычислений в Python.

28скачиваний за 30 дней12лайковвеса обновлены8 дек 2025

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

DeepMath — модель для математических рассуждений от Intel AI Labs. Это плотная причинная языковая модель с 3,7 млрд параметров, дообученная методом GRPO на базе Qwen3-4B-Thinking-2507. Она генерирует краткие фрагменты Python для промежуточных вычислений; для выполнения кода и полноценного агентного режима требуется отдельная песочница с ограничениями на ввод-вывод, сеть и время выполнения. Модель рассчитана на англоязычные задачи и поддерживает контекст до 262 144 токенов.

DeepMath предназначена для решения математических задач, в особенности задач олимпиадного и экзаменационного типа. По данным README, связка дообучения и выполнения вычислений повышала точность на ряде сложных наборов и сокращала длину вывода до 66% по сравнению с базовой моделью. Модель распространяется по лицензии Apache 2.0.

Она оптимизирована для математики, поэтому её способность обобщать на другие области ограничена. Качество на задачах математического творчества и формальных доказательствах не оценивалось; размер модели может ограничивать решение особенно сложных задач. Для агентного режима нужна безопасно настроенная среда выполнения Python.

Сценарии применения

  • решение олимпиадных математических задач
  • решение задач уровня AIME и HMMT
  • вычисления Python как часть решения математической задачи
  • ответы на сложные экзаменационные математические вопросы

Ограничения

Модель оптимизирована для математических задач и может плохо обобщать на другие области; её качество на математическом творчестве и формальных доказательствах не оценивалось. Для полноценного агентного режима требуется изолированная среда выполнения Python.

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

DeepMath: A Lightweight Math Reasoning Agent

Model Description

DeepMath is a 4B parameter mathematical reasoning model that combines a fine-tuned LLM with a sandboxed Python executor. Built on Qwen3-4B Thinking and trained with GRPO (Group Relative Policy Optimization), DeepMath generates concise Python snippets for computational steps instead of verbose text explanations, significantly reducing errors and output length.

Key Features

✅ Code-driven reasoning: Generates short Python snippets for intermediate computational steps
✅ Sandboxed execution: No file I/O, no network calls, strict timeouts
✅ Improved accuracy: Offloading computation reduces arithmetic errors
✅ Reduced verbosity: Up to 66% shorter outputs compared to baseline
✅ Safe and auditable: Deterministic execution with readable code snippets

Model Architecture

DeepMath uses a LoRA adapter fine-tuned on top of Qwen3-4B Thinking with the following components:

  • Agent Interface: Outputs special tokens for Python code execution during reasoning
  • Executor: Sandboxed Python environment with allow-listed modules
  • Safety Constraints: Per-snippet timeouts, no file/network access
  • Training Method: GRPO with accuracy and code generation rewards

Training Details

Training Data

  • Dataset: OpenMathReasoning (tool-usage subset)
  • Note: GRPO training only uses problems, not solutions
  • In-context Learning: 4 solved examples demonstrating agent call syntax and patterns

Training Procedure

GRPO (Group Relative Policy Optimization) fine-tuning with:

  • Accuracy Reward: +1 for correct answers
  • Code Generation Reward: +1 for using code snippets (weighted 10:1 vs. accuracy)
  • Length Constraint: GRPO completions limited to 5k tokens
  • Temperature Scheduling: Linear schedule from T=1.2 → T=0.7 during training
  • Infrastructure: Modified TRL library's vLLM client and server

Training Infrastructure

  • Base inference engine: vLLM
  • Agent framework: Based on SmolAgents
  • Training framework: Modified TRL GRPO trainer

Performance

Benchmark Results

We evaluated DeepMath on four mathematical reasoning datasets using majority@16 and mean output length metrics:

Key Findings:

  • Accuracy: Improved performance on challenging datasets (AIME, HMMT, HLE)
  • Efficiency: Up to 66% reduction in output length
  • Robustness: Consistent improvements when combining agent + GRPO training

Evaluation Datasets

  • MATH500: Subset of the MATH dataset
  • AIME: American Invitational Mathematics Examination problems
  • HMMT: Harvard-MIT Mathematics Tournament problems
  • HLE: High-level exam problems

Usage

Installation

# Install uv package manager
curl -LsSf https://astral.sh/uv/install.sh | sh

# Clone repository
git clone https://github.com/IntelLabs/DeepMath.git
cd DeepMath

# Install dependencies
uv pip install -r requirements.txt
uv pip install -e .

Basic Inference

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "Intel/deepmath-v1"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)

# Example problem
problem = "What is the sum of the first 100 positive integers?"

inputs = tokenizer(problem, return_tensors="pt")
outputs = model.generate(**inputs, max_new_tokens=3000)
print(tokenizer.decode(outputs[0]))

Inference with Agent

For full agent capabilities with sandboxed Python execution:

python inference.py \
    +model.use_vllm=true \
    +model.math_agent=true \
    +model.examples=deep_math/fewshot.txt \
    model.generation.max_new_tokens=3000 \
    +model.max_agent_output=20000 \
    +model.max_steps=50 \
    model.model_name_or_path=Intel/deepmath-v1 \
    hf_tag=HuggingFaceH4/MATH-500 \
    generated_file=output.jsonl

See the repository for complete usage examples.

Limitations and Biases

Limitations

  • Scope: Optimized for mathematical reasoning tasks; may not generalize to other domains
  • Problem Types: Evaluated on contest-style math problems; performance on open-ended mathematical creativity or formal proofs is unknown
  • Model Size: 4B parameters may limit reasoning depth on extremely complex problems
  • Code Execution: Requires sandboxed environment for full agent capabilities

Safety Considerations

⚠️ Code Execution Risk: This model generates and executes Python code. While DeepMath uses strict sandboxing and resource limits, any deployment should:

  • Carefully manage attack surfaces
  • Enforce rate limits
  • Use proper isolation (containers, VMs)
  • Monitor resource usage
  • Validate generated code before execution in production

Ethical Considerations

  • The model is trained on mathematical problem-solving datasets and should not be used for decision-making in critical applications without human oversight
  • Generated code should be reviewed before execution in production environments
  • The model may reflect biases present in the training data

Citation

If you use DeepMath in your research, please cite:

@software{deepmath2025,
  author = {Fleischer, Daniel and Berchansky, Moshe and Wasserblat, Moshe},
  title = {DeepMath: A Lightweight Math Reasoning Agent for LLMs},
  year = {2025},
  publisher = {Intel AI Labs},
  url = {https://github.com/IntelLabs/DeepMath}
}

Model Card Contact

For questions or issues, please open an issue on the GitHub repository.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
15e66a8

0 моделей