/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
Apache 2.0
Архитектура
gpt2 · dense
Опубликована
24 янв 2024

math_gpt2_sft

Генерация текстаТекст → текст3 профессии

GPT-2, дообученная на математических вопросах для генерации текстовых ответов и решений по запросу.

166скачиваний за 30 дней2лайкавеса обновлены5 апр 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

Sharathhebbar24/math_gpt2_sft — языковая модель на архитектуре GPT-2, дообученная Sharathhebbar24 на наборе MetaMathQA. Она генерирует продолжение текста по текстовому запросу и ориентирована прежде всего на математические вопросы и задачи. В карточке также приведены результаты оценки на нескольких тестах рассуждения, включая GSM8k.

Модель принимает текст и выдаёт текст; её контекст ограничен 1024 токенами. В метаданных указаны английский язык и формат весов safetensors. Модель распространяется по лицензии Apache-2.0. Низкий результат GSM8k в приведённой оценке указывает на ограничения при решении математических задач; ответы следует проверять.

Сценарии применения

  • генерация решения математической задачи по условию
  • ответы на вопросы по математике
  • создание текстовых объяснений математических ответов

Ограничения

В приведённой оценке на GSM8k модель набрала 0,68, поэтому её ответы на математические задачи могут быть ненадёжными. Контекст ограничен 1024 токенами.

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

This model is a finetuned version of Sharathhebbar24/math_gpt2 using meta-math/MetaMathQA

Model description

GPT-2 is a transformers model pre-trained on a very large corpus of English data in a self-supervised fashion. This means it was pre-trained on the raw texts only, with no humans labeling them in any way (which is why it can use lots of publicly available data) with an automatic process to generate inputs and labels from those texts. More precisely, it was trained to guess the next word in sentences.

More precisely, inputs are sequences of continuous text of a certain length and the targets are the same sequence, shifting one token (word or piece of word) to the right. The model uses a masking mechanism to make sure the predictions for the token i only use the inputs from 1 to i but not the future tokens.

This way, the model learns an inner representation of the English language that can then be used to extract features useful for downstream tasks. The model is best at what it was trained for, however, which is generating texts from a prompt.

To use this model

>>> from transformers import AutoTokenizer, AutoModelForCausalLM
>>> model_name = "Sharathhebbar24/math_gpt2_sft"
>>> model = AutoModelForCausalLM.from_pretrained(model_name)
>>> tokenizer = AutoTokenizer.from_pretrained(model_name)
>>> def generate_text(prompt):
>>>  inputs = tokenizer.encode(prompt, return_tensors='pt')
>>>  outputs = model.generate(inputs, max_length=64, pad_token_id=tokenizer.eos_token_id)
>>>  generated = tokenizer.decode(outputs[0], skip_special_tokens=True)
>>>  return generated[:generated.rfind(".")+1]
>>> prompt = "Gracie and Joe are choosing numbers on the complex plane. Joe chooses the point $1+2i$. Gracie chooses $-1+i$. How far apart are Gracie and Joe's points?"
>>> res = generate_text(prompt)
>>> res

Benchmark / Evaluation

ModelAverageARCHellaSwagMMLUTruthfulQAWinograndeGSM8k
Sharathhebbar24/math_gpt2_sft28.50322.8730.4125.0637.6251.540.68
{
    "all": {
        "acc": 0.25082189621988066,
        "acc_stderr": 0.030526589726831692,
        "acc_norm": 0.25112870356236633,
        "acc_norm_stderr": 0.03129390389566968,
        "mc1": 0.24112607099143207,
        "mc1_stderr": 0.014974827279752334,
        "mc2": 0.3762297840067963,
        "mc2_stderr": 0.01445991036363257
    },
    "harness|arc:challenge|25": {
        "acc": 0.20563139931740615,
        "acc_stderr": 0.01181074526074258,
        "acc_norm": 0.22866894197952217,
        "acc_norm_stderr": 0.012272853582540799
    },
    "harness|hellaswag|10": {
        "acc": 0.2884883489344752,
        "acc_stderr": 0.004521334761709224,
        "acc_norm": 0.30412268472415854,
        "acc_norm_stderr": 0.00459094683972719
    },
    "harness|hendrycksTest-abstract_algebra|5": {
        "acc": 0.19,
        "acc_stderr": 0.03942772444036625,
        "acc_norm": 0.19,
        "acc_norm_stderr": 0.03942772444036625
    },
    "harness|hendrycksTest-anatomy|5": {
        "acc": 0.2074074074074074,
        "acc_stderr": 0.03502553170678319,
        "acc_norm": 0.2074074074074074,
        "acc_norm_stderr": 0.03502553170678319
    },
    "harness|hendrycksTest-astronomy|5": {
        "acc": 0.17763157894736842,
        "acc_stderr": 0.031103182383123398,
        "acc_norm": 0.17763157894736842,
        "acc_norm_stderr": 0.031103182383123398
    },
    "harness|hendrycksTest-business_ethics|5": {
        "acc": 0.19,
        "acc_stderr": 0.03942772444036622,
        "acc_norm": 0.19,
        "acc_norm_stderr": 0.03942772444036622
    },
    "harness|hendrycksTest-clinical_knowledge|5": {
        "acc": 0.2188679245283019,
        "acc_stderr": 0.025447863825108618,
        "acc_norm": 0.2188679245283019,
        "acc_norm_stderr": 0.025447863825108618
    },
    "harness|hendrycksTest-college_biology|5": {
        "acc": 0.25,
        "acc_stderr": 0.03621034121889507,
        "acc_norm": 0.25,
        "acc_norm_stderr": 0.03621034121889507
    },
    "harness|hendrycksTest-college_chemistry|5": {
        "acc": 0.2,
        "acc_stderr": 0.04020151261036845,
        "acc_norm": 0.2,
        "acc_norm_stderr": 0.04020151261036845
    },
    "harness|hendrycksTest-college_computer_science|5": {
        "acc": 0.32,
        "acc_stderr": 0.046882617226215034,
        "acc_norm": 0.32,
        "acc_norm_stderr": 0.046882617226215034
    },
    "harness|hendrycksTest-college_mathematics|5": {
        "acc": 0.24,
        "acc_stderr": 0.042923469599092816,
        "acc_norm": 0.24,
        "acc_norm_stderr": 0.042923469599092816
    },
    "harness|hendrycksTest-college_medicine|5": {
        "acc": 0.21965317919075145,
        "acc_stderr": 0.031568093627031744,
        "acc_norm": 0.21965317919075145,
        "acc_norm_stderr": 0.031568093627031744
    },
    "harness|hendrycksTest-college_physics|5": {
        "acc": 0.23529411764705882,
        "acc_stderr": 0.04220773659171453,
        "acc_norm": 0.23529411764705882,
        "acc_norm_stderr": 0.04220773659171453
    },
    "harness|hendrycksTest-computer_security|5": {
        "acc": 0.23,
        "acc_stderr": 0.04229525846816505,
        "acc_norm": 0.23,
        "acc_norm_stderr": 0.04229525846816505
    },
    "harness|hendrycksTest-conceptual_physics|5": {
        "acc": 0.2680851063829787,
        "acc_stderr": 0.028957342788342347,
        "acc_norm": 0.2680851063829787,
        "acc_norm_stderr": 0.028957342788342347
    },
    "harness|hendrycksTest-econometrics|5": {
        "acc": 0.24561403508771928,
        "acc_stderr": 0.040493392977481404,
        "acc_norm": 0.24561403508771928,
        "acc_norm_stderr": 0.040493392977481404
    },
    "harness|hendrycksTest-electrical_engineering|5": {
        "acc": 0.2482758620689655,
        "acc_stderr": 0.036001056927277716,
        "acc_norm": 0.2482758620689655,
        "acc_norm_stderr": 0.036001056927277716
    },
    "harness|hendrycksTest-elementary_mathematics|5": {
        "acc": 0.24074074074074073,
        "acc_stderr": 0.0220190800122179,
        "acc_norm": 0.24074074074074073,
        "acc_norm_stderr": 0.0220190800122179
    },
    "harness|hendrycksTest-formal_logic|5": {
        "acc": 0.23015873015873015,
        "acc_stderr": 0.03764950879790605,
        "acc_norm": 0.23015873015873015,
        "acc_norm_stderr": 0.03764950879790605
    },
    "harness|hendrycksTest-global_facts|5": {
        "acc": 0.18,
        "acc_stderr": 0.038612291966536934,
        "acc_norm": 0.18,
        "acc_norm_stderr": 0.038612291966536934
    },
    "harness|hendrycksTest-high_school_biology|5": {
        "acc": 0.25483870967741934,
        "acc_stderr": 0.024790118459332208,
        "acc_norm": 0.25483870967741934,
        "acc_norm_stderr": 0.024790118459332208
    },
    "harness|hendrycksTest-high_school_chemistry|5": {
        "acc": 0.19704433497536947,
        "acc_stderr": 0.02798672466673622,
        "acc_norm": 0.19704433497536947,
        "acc_norm_stderr": 0.02798672466673622
    },
    "harness|hendrycksTest-high_school_computer_science|5": {
        "acc": 0.22,
        "acc_stderr": 0.041633319989322695,
        "acc_norm": 0.22,
        "acc_norm_stderr": 0.041633319989322695
    },
    "harness|hendrycksTest-high_school_european_history|5": {
        "acc": 0.19393939393939394,
        "acc_stderr": 0.0308741451365621,
        "acc_norm": 0.19393939393939394,
        "acc_norm_stderr": 0.0308741451365621
    },
    "harness|hendrycksTest-high_school_geography|5": {
        "acc": 0.3484848484848485,
        "acc_stderr": 0.033948539651564025,
        "acc_norm": 0.3484848484848485,
        "acc_norm_stderr": 0.033948539651564025
    },
    "harness|hendrycksTest-high_school_government_and_politics|5": {
        "acc": 0.32124352331606215,
        "acc_stderr": 0.033699508685490674,
        "acc_norm": 0.32124352331606215,
        "acc_norm_stderr": 0.033699508685490674
    },
    "harness|hendrycksTest-high_school_macroeconomics|5": {
        "acc": 0.23333333333333334,
        "acc_stderr": 0.021444547301560476,
        "acc_norm": 0.23333333333333334,
        "acc_norm_stderr": 0.021444547301560476
    },
    "harness|hendrycksTest-high_school_mathematics|5": {
        "acc": 0.2851851851851852,
        "acc_stderr": 0.027528599210340492,
        "acc_norm": 0.2851851851851852,
        "acc_norm_stderr": 0.027528599210340492
    },
    "harness|hendrycksTest-high_school_microeconomics|5": {
        "acc": 0.29831932773109243,
        "acc_stderr": 0.029719142876342856,
        "acc_norm": 0.29831932773109243,
        "acc_norm_stderr": 0.029719142876342856
    },
    "harness|hendrycksTest-high_school_physics|5": {
        "acc": 0.2781456953642384,
        "acc_stderr": 0.03658603262763744,
        "acc_norm": 0.2781456953642384,
        "acc_norm_stderr": 0.03658603262763744
    },
    "harness|hendrycksTest-high_school_psychology|5": {
        "acc": 0.26788990825688075,
        "acc_stderr": 0.018987462257978652,
        "acc_norm": 0.26788990825688075,
        "acc_norm_stderr": 0.018987462257978652
    },
    "harness|hendrycksTest-high_school_statistics|5": {
        "acc": 0.4351851851851852,
        "acc_stderr": 0.03381200005643525,
        "acc_norm": 0.4351851851851852,
        "acc_norm_stderr": 0.03381200005643525
    },
    "harness|hendrycksTest-high_school_us_history|5": {
        "acc": 0.2647058823529412,
        "acc_stderr": 0.0309645179269234,
        "acc_norm": 0.2647058823529412,
        "acc_norm_stderr": 0.0309645179269234
    },
    "harness|hendrycksTest-high_school_world_history|5": {
        "acc": 0.28270042194092826,
        "acc_stderr": 0.029312814153955927,
        "acc_norm": 0.28270042194092826,
        "acc_norm_stderr": 0.029312814153955927
    },
    "harness|hendrycksTest-human_aging|5": {
        "acc": 0.31390134529147984,
        "acc_stderr": 0.031146796482972465,
        "acc_norm": 0.31390134529147984,
        "acc_norm_stderr": 0.031146796482972465
    },
    "harness|hendrycksTest-human_sexuality|5": {
        "acc": 0.2595419847328244,
        "acc_stderr": 0.03844876139785271,
        "acc_norm": 0.2595419847328244,
        "acc_norm_stderr": 0.03844876139785271
    },
    "harness|hendrycksTest-international_law|5": {
        "acc": 0.2231404958677686,
        "acc_stderr": 0.03800754475228733,
        "acc_norm": 0.2231404958677686,
        "acc_norm_stderr": 0.03800754475228733
    },
    "harness|hendrycksTest-jurisprudence|5": {
        "acc": 0.25925925925925924,
        "acc_stderr": 0.042365112580946336,
        "acc_norm": 0.25925925925925924,
        "acc_norm_stderr": 0.042365112580946336
    },
    "harness|hendrycksTest-logical_fallacies|5": {
        "acc": 0.25153374233128833,
        "acc_stderr": 0.03408997886857529,
        "acc_norm": 0.25153374233128833,
        "acc_norm_stderr": 0.03408997886857529
    },
    "harness|hendrycksTest-machine_learning|5": {
        "acc": 0.29464285714285715,
        "acc_stderr": 0.043270409325787296,
        "acc_norm": 0.29464285714285715,
        "acc_norm_stderr": 0.043270409325787296
    },
    "harness|hendrycksTest-management|5": {
        "acc": 0.17475728155339806,
        "acc_stderr": 0.037601780060266224,
        "acc_norm": 0.17475728155339806,
        "acc_norm_stderr": 0.037601780060266224
    },
    "harness|hendrycksTest-marketing|5": {
        "acc": 0.20085470085470086,
        "acc_stderr": 0.026246772946890488,
        "acc_norm": 0.20085470085470086,
        "acc_norm_stderr": 0.026246772946890488
    },
    "harness|hendrycksTest-medical_genetics|5": {
        "acc": 0.3,
        "acc_stderr": 0.046056618647183814,
        "acc_norm": 0.3,
        "acc_norm_stderr": 0.046056618647183814
    },
    "harness|hendrycksTest-miscellaneous|5": {
        "acc": 0.23499361430395913,
        "acc_stderr": 0.01516202415227844,
        "acc_norm": 0.23499361430395913,
        "acc_norm_stderr": 0.01516202415227844
    },
    "harness|hendrycksTest-moral_disputes|5": {
        "acc": 0.23699421965317918,
        "acc_stderr": 0.02289408248992599,
        "acc_norm": 0.23699421965317918,
        "acc_norm_stderr": 0.02289408248992599
    },
    "harness|hendrycksTest-moral_scenarios|5": {
        "acc": 0.23798882681564246,
        "acc_stderr": 0.014242630070574915,
        "acc_norm": 0.23798882681564246,
        "acc_norm_stderr": 0.014242630070574915
    },
    "harness|hendrycksTest-nutrition|5": {
        "acc": 0.23202614379084968,
        "acc_stderr": 0.024170840879341005,
        "acc_norm": 0.23202614379084968,
        "acc_norm_stderr": 0.024170840879341005
    },
    "harness|hendrycksTest-philosophy|5": {
        "acc": 0.1864951768488746,
        "acc_stderr": 0.02212243977248077,
        "acc_norm": 0.1864951768488746,
        "acc_norm_stderr": 0.02212243977248077
    },
    "harness|hendrycksTest-prehistory|5": {
        "acc": 0.24074074074074073,
        "acc_stderr": 0.02378858355165854,
        "acc_norm": 0.24074074074074073,
        "acc_norm_stderr": 0.02378858355165854
    },
    "harness|hendrycksTest-professional_accounting|5": {
        "acc": 0.2695035460992908,
        "acc_stderr": 0.026469036818590627,
        "acc_norm": 0.2695035460992908,
        "acc_norm_stderr": 0.026469036818590627
    },
    "harness|hendrycksTest-professional_law|5": {
        "acc": 0.2529335071707953,
        "acc_stderr": 0.011102268713839989,
        "acc_norm": 0.2529335071707953,
        "acc_norm_stderr": 0.011102268713839989
    },
    "harness|hendrycksTest-professional_medicine|5": {
        "acc": 0.4411764705882353,
        "acc_stderr": 0.030161911930767102,
        "acc_norm": 0.4411764705882353,
        "acc_norm_stderr": 0.030161911930767102
    },
    "harness|hendrycksTest-professional_psychology|5": {
        "acc": 0.25,
        "acc_stderr": 0.01751781884501444,
        "acc_norm": 0.25,
        "acc_norm_stderr": 0.01751781884501444
    },
    "harness|hendrycksTest-public_relations|5": {
        "acc": 0.21818181818181817,
        "acc_stderr": 0.03955932861795833,
        "acc_norm": 0.21818181818181817,
        "acc_norm_stderr": 0.03955932861795833
    },
    "harness|hendrycksTest-security_studies|5": {
        "acc": 0.20408163265306123,
        "acc_stderr": 0.025801283475090506,
        "acc_norm": 0.20408163265306123,
        "acc_norm_stderr": 0.025801283475090506
    },
    "harness|hendrycksTest-sociology|5": {
        "acc": 0.24378109452736318,
        "acc_stderr": 0.03036049015401465,
        "acc_norm": 0.24378109452736318,
        "acc_norm_stderr": 0.03036049015401465
    },
    "harness|hendrycksTest-us_foreign_policy|5": {
        "acc": 0.24,
        "acc_stderr": 0.04292346959909281,
        "acc_norm": 0.24,
        "acc_norm_stderr": 0.04292346959909281
    },
    "harness|hendrycksTest-virology|5": {
        "acc": 0.22289156626506024,
        "acc_stderr": 0.03240004825594687,
        "acc_norm": 0.22289156626506024,
        "acc_norm_stderr": 0.03240004825594687
    },
    "harness|hendrycksTest-world_religions|5": {
        "acc": 0.3216374269005848,
        "acc_stderr": 0.03582529442573122,
        "acc_norm": 0.3216374269005848,
        "acc_norm_stderr": 0.03582529442573122
    },
    "harness|truthfulqa:mc|0": {
        "mc1": 0.24112607099143207,
        "mc1_stderr": 0.014974827279752334,
        "mc2": 0.3762297840067963,
        "mc2_stderr": 0.01445991036363257
    },
    "harness|winogrande|5": {
        "acc": 0.5153906866614049,
        "acc_stderr": 0.014045826789783668
    },
    "harness|gsm8k|5": {
        "acc": 0.006823351023502654,
        "acc_stderr": 0.0022675371022544823
    }
}


Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.28.03
AI2 Reasoning Challenge (25-Shot)22.87
HellaSwag (10-Shot)30.41
MMLU (5-Shot)25.06
TruthfulQA (0-shot)37.62
Winogrande (5-shot)51.54
GSM8k (5-shot)0.68

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
d54f3a8

0 моделей