/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
7,1 млрд
Размер весов
15,2 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-Math-7B
Библиотека
transformers
Опубликована
30 янв 2025

Qwen2.5-Math-7B-CFT

Генерация текстаТекст → текст3 профессии

Математическая языковая модель Qwen2.5 с дообучением Critique Fine-Tuning для анализа решений и рассуждений по задачам.

88скачиваний за 30 дней8лайковвеса обновлены2 фев 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 оценки6

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

    0,5574

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,2945

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2861

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,2777

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,3887

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,4637

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Qwen2.5-Math-7B-CFT — языковая модель TIGER-Lab для математических рассуждений, дообученная методом Critique Fine-Tuning (CFT) на основе Qwen/Qwen2.5-Math-7B. Вместо прямого подражания правильным ответам она учится анализировать и критиковать заданный ответ; формат обучения подавал вопрос вместе с ошибочным или шумным решением, а модель должна была выдать критику. Для генерации критики при обучении использовался GPT-4o.

Модель содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2ForCausalLM и работает с текстом в Transformers. Её можно применять для разбора математических задач, анализа решений и генерации пошаговых рассуждений; заявлены результаты 79,4% на MATH и 41,6% на OlympiadBench. Контекст составляет 4096 токенов. Карточка указывает английский язык; описание базовой модели также упоминает китайский. Репозиторий распространяется в формате Safetensors по лицензии Apache-2.0.

Сценарии применения

  • критика и проверка предложенного решения математической задачи
  • поиск ошибок в пошаговом математическом выводе
  • генерация рассуждений при решении задач на английском
  • оценка математических ответов для учебных материалов

Ограничения

Показатели качества в карточке приведены для отдельных математических бенчмарков и не гарантируют точность в других задачах. Контекст ограничен 4096 токенами; модель не следует считать универсальным средством проверки математических ответов.

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

Qwen2.5-Math-7B-CFT

Introduction

Qwen2.5-Math-7B-CFT is a 7B parameter mathematical reasoning model that introduces a paradigm shift in language model training. Rather than using traditional supervised fine-tuning (SFT) to imitate correct answers, this model is trained using our novel Critique Fine-Tuning (CFT) approach, which teaches the model to critique and analyze responses, leading to deeper understanding and enhanced reasoning capabilities.

The model demonstrates that learning to critique is more effective than learning to imitate. Despite being trained on just 50K samples, it achieves remarkable performance matching or exceeding models trained on 2M+ samples, reaching 79.4% accuracy on MATH and 41.6% on OlympiadBench benchmarks.

Key Features

  • Novel training methodology inspired by human learning processes that emphasize critical thinking
  • Consistent 4-10% improvement over traditional SFT approaches across six math benchmarks
  • Exceptional data efficiency: matches performance of models trained on 40x more data
  • Built on the strong foundation of Qwen2.5-Math-7B

Training Details

Training Data

  • Dataset: WebInstruct-CFT-50K
  • Training format: (input=[query; noisy response], output=critique)
  • Teacher model: GPT-4o for generating critiques

Training Infrastructure

  • Framework: LLaMA-Factory
  • Hardware: 8x NVIDIA H100 GPUs
  • Training time: ~1 hour with DeepSpeed Zero-3

Evaluation Results

image/pngTable 1: Performance comparison of Qwen2.5-Math-7B-CFT vs. other reasoning-specialized models.

For more details about the model architecture, methodology, and comprehensive evaluation results, please visit our project webpage.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
070621b

0 моделей