/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
MIT
Архитектура
mistral · dense
Библиотека
transformers
Опубликована
6 мая 2024

MAmmoTH2-7B-Plus

Генерация текстаТекст → текст9 профессий

Диалоговая модель Mistral с 7,1 млрд параметров, дообученная для ответов на инструкции и решения задач с рассуждением, в том числе математических.

8 633скачиваний за 30 дней7лайковвеса обновлены26 ноя 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 оценки11

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,1858

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • BBH

    acc_norm

    Результат

    18,93

    text-generation 0,4235
    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • TIGER-Lab/MMLU-Pro

    score · выше — лучше

    Результат

    40,85

    mmlu_pro 40,85text-generation 22,41
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,5575

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • HuggingFaceH4/ifeval

    inst_level_strict_acc and prompt_level_strict_acc

    Результат

    55,75

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,4124

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • hendrycks/competition_math

    exact_match · выше — лучше

    Результат

    16,09

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • TAUR-Lab/MuSR

    acc_norm

    Результат

    10,11

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • Idavidrein/gpqa

    acc_norm

    Результат

    4,03

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2802

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,3017

    Open LLM v2 · архив

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

MAmmoTH2-7B-Plus — языковая модель TIGER-Lab для генерации ответов и диалогового общения с усиленными навыками рассуждения. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, дообученная на инструкциях, собранных из веб-корпуса, и дополнительно обученная на открытых наборах инструкций. Модель принимает текст и поддерживает контекст до 32 768 токенов.

Модель рассчитана на решение математических задач, ответы на вопросы и общение в формате чат-бота. В README приводятся результаты оценки MAmmoTH2-7B на математических тестах и отмечается, что качество зависит от сложности и особенностей задачи; математические области охвачены не полностью. Эти цифры относятся к MAmmoTH2-7B, а не непосредственно к версии Plus. Модель распространяется по лицензии MIT.

Сценарии применения

  • решение математических задач по условию на естественном языке
  • пошаговые ответы на математические вопросы
  • ответы на вопросы общего назначения
  • создание диалогового чат-бота
  • следование пользовательским инструкциям в текстовом диалоге

Ограничения

Качество может меняться в зависимости от сложности и формулировки задачи; математические области охвачены не полностью. Приведённые в README результаты тестирования относятся к MAmmoTH2-7B и не подтверждают отдельно качество версии 7B-Plus.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🦣 MAmmoTH2: Scaling Instructions from the Web

Project Page: https://tiger-ai-lab.github.io/MAmmoTH2/

Paper: https://arxiv.org/pdf/2405.03548

Code: https://github.com/TIGER-AI-Lab/MAmmoTH2

Introduction

Introducing 🦣 MAmmoTH2, a game-changer in improving the reasoning abilities of large language models (LLMs) through innovative instruction tuning. By efficiently harvesting 10 million instruction-response pairs from the pre-training web corpus, we've developed MAmmoTH2 models that significantly boost performance on reasoning benchmarks. For instance, MAmmoTH2-7B (Mistral) sees its performance soar from 11% to 36.7% on MATH and from 36% to 68.4% on GSM8K, all without training on any domain-specific data. Further training on public instruction tuning datasets yields MAmmoTH2-Plus, setting new standards in reasoning and chatbot benchmarks. Our work presents a cost-effective approach to acquiring large-scale, high-quality instruction data, offering a fresh perspective on enhancing LLM reasoning abilities.

Base ModelMAmmoTH2MAmmoTH2-Plus
7BMistral🦣 MAmmoTH2-7B🦣 MAmmoTH2-7B-Plus
8BLlama-3🦣 MAmmoTH2-8B🦣 MAmmoTH2-8B-Plus
8x7BMixtral🦣 MAmmoTH2-8x7B🦣 MAmmoTH2-8x7B-Plus

Training Data

Please refer to https://huggingface.co/datasets/TIGER-Lab/WebInstructSub for more details.

Project Framework

Training Procedure

The models are fine-tuned with the WEBINSTRUCT dataset using the original Llama-3, Mistral and Mistal models as base models. The training procedure varies for different models based on their sizes. Check out our paper for more details.

Evaluation

The models are evaluated using open-ended and multiple-choice math problems from several datasets. Here are the results:

ModelTheoremQAMATHGSM8KGPQAMMLU-STBBHARC-CAvg
MAmmoTH2-7B (Updated)29.036.768.432.462.458.681.752.7
MAmmoTH2-8B (Updated)30.335.870.435.264.262.182.254.3
MAmmoTH2-8x7B32.239.075.436.867.471.187.558.9
MAmmoTH2-7B-Plus (Updated)31.246.084.633.863.863.384.458.1
MAmmoTH2-8B-Plus (Updated)31.543.085.235.866.769.784.359.4
MAmmoTH2-8x7B-Plus34.147.086.437.872.474.188.462.9

To reproduce our results, please refer to https://github.com/TIGER-AI-Lab/MAmmoTH2/tree/main/math_eval.

Usage

You can use the models through Huggingface's Transformers library. Use the pipeline function to create a text-generation pipeline with the model of your choice, then feed in a math problem to get the solution. Check our Github repo for more advanced use: https://github.com/TIGER-AI-Lab/MAmmoTH2

Limitations

We've tried our best to build math generalist models. However, we acknowledge that the models' performance may vary based on the complexity and specifics of the math problem. Still not all mathematical fields can be covered comprehensively.

Citation

If you use the models, data, or code from this project, please cite the original paper:

@article{yue2024mammoth2,
  title={MAmmoTH2: Scaling Instructions from the Web},
  author={Yue, Xiang and Zheng, Tuney and Zhang, Ge and Chen, Wenhu},
  journal={arXiv preprint arXiv:2405.03548},
  year={2024}
}

Open LLM Leaderboard Evaluation Results

Detailed results can be found here

MetricValue
Avg.21.22
IFEval (0-Shot)55.75
BBH (3-Shot)18.93
MATH Lvl 5 (4-Shot)16.09
GPQA (0-shot)4.03
MuSR (0-shot)10.11
MMLU-PRO (5-shot)22.41

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
7734269

0 моделей