Llama-3.1-Swallow-8B OpenMath Fine-Tuned (T2T)

概要 / Overview

Nextorage AiDAPTIV+ プラットフォーム上で Llama-3.1-Swallow-8B をフルファインチューニングした、日本語数学文章題解答モデルです。

Python コード生成 + コード実行パイプラインと組み合わせることで Exact Match 60.0% を達成し、商用 API（Claude Sonnet・GPT-4o: 各 56.7%）を上回りました。

A full fine-tuned version of Llama-3.1-Swallow-8B for Japanese math word problem solving, trained on AiDAPTIV+ platform by Nextorage. Combined with a Python code-execution pipeline, it achieves Exact Match 60.0% — surpassing Claude Sonnet and GPT-4o (both 56.7%) on the same test set.

性能 / Performance

テストセット: OpenMath Instruct 日本語版 30件（コード実行パイプライン使用）

注: コード実行パイプラインなしでは 20.0%。パイプラインにより 3 倍の精度向上。

使い方 / Usage

推論スクリプト（コード実行パイプライン付き）

# 依存パッケージのインストール
pip install transformers torch

# 評価・推論の実行（コード実行パイプライン有効）
python run_inference.py \
    --model_path /path/to/this/model \
    --test_data /path/to/test.json \
    --code_exec_pipeline \
    --output_dir ./results

Python での直接推論

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model_path = "Nextorage/Llama-3.1-Swallow-8B-OpenMath-FT"
tokenizer = AutoTokenizer.from_pretrained(model_path)
model = AutoModelForCausalLM.from_pretrained(
    model_path,
    torch_dtype=torch.bfloat16,
    device_map="auto"
)

SYSTEM_PROMPT = """あなたは数学の問題を解く優秀なAIアシスタントです。ステップバイステップで考え、Pythonコードを使って計算し、最終的な答えを明示してください。

回答は以下のフォーマットに従ってください：
1. Pythonコードは <llm-code> と </llm-code> タグで囲んでください
2. コードの実行結果は <llm-code-output> と </llm-code-output> タグで囲んでください
3. 最終的な答えは \\boxed{答え} の形式で明示してください"""

question = "ジェイデンは8台のおもちゃの車を持っています。3台を友人に譲りました。ジェイデンには何台のおもちゃの車が残っていますか？"

messages = [
    {"role": "system", "content": SYSTEM_PROMPT},
    {"role": "user", "content": question},
]
input_ids = tokenizer.apply_chat_template(messages, return_tensors="pt").to(model.device)
output = model.generate(input_ids, max_new_tokens=512)
print(tokenizer.decode(output[0][input_ids.shape[1]:], skip_special_tokens=True))

期待出力例:

Pythonコードを使用してこの問題を解決しましょう。<llm-code>
initial_cars = 8
given_away = 3
remaining = initial_cars - given_away
print(remaining)
</llm-code><llm-code-output>
5
</llm-code-output>
したがって、ジェイデンには \boxed{5} 台のおもちゃの車が残っています。

学習設定 / Training Configuration

データセット詳細

• 元データ: NVIDIA OpenMathInstruct-1 日本語翻訳版（全 1,825,008 件）
• <llm-code> タグ付きエントリを抽出後、Python 実行検証でクリーニング（除外率 2.3%）
• GSM8K・MATH 等の数学ベンチマークを元に構築された数学文章題 + Python コード解答ペア

制限事項 / Limitations

• 日本語数学文章題（主に GSM8K・MATH 難易度）に特化しており、他タスクの性能は保証されない
• 最高精度の発揮には Python コード実行パイプライン（subprocess 実行環境）が必要
• 日本語翻訳は機械翻訳を使用しており、一部の表現に不自然さが残る場合がある
• テストセット 30件での評価結果のため、統計的信頼区間に注意

ライセンス / License

本モデルは Llama 3.1 Community License に基づいています。 商用利用は条件付きで許可されています。詳細はライセンス全文を参照してください。

引用 / Citation

@misc{nextorage-openmath-ft-2026,
  title        = {Llama-3.1-Swallow-8B OpenMath Fine-Tuned},
  author       = {Nextorage Inc.},
  year         = {2026},
  howpublished = {\url{https://huggingface.co/Nextorage/Llama-3.1-Swallow-8B-OpenMath-FT}},
  note         = {Full fine-tuned model for Japanese math word problem solving on AiDAPTIV+ platform}
}