/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
8,9 млрд
Размер весов
18 ГБ
Лицензия
Apache 2.0
Архитектура
mistral · dense
Опубликована
26 фев 2024

MetaMath-Mistral-Pro

Генерация текстаТекст → текст3 профессии

Дообученная на MetaMathQA модель Mistral с 8,9 млрд параметров для генерации ответов на математические задачи.

44скачиваний за 30 дней6лайковвеса обновлены27 фев 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 оценки6

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

  • MUSR

    MUSR Raw · выше — лучше

    Результат

    0,3524

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • BBH

    BBH Raw · выше — лучше

    Результат

    0,4413

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MATH Lvl 5

    MATH Lvl 5 Raw · выше — лучше

    Результат

    0,0763

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • MMLU-PRO

    MMLU-PRO Raw · выше — лучше

    Результат

    0,2472

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • IFEval

    IFEval Raw · выше — лучше

    Результат

    0,2119

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

  • GPQA

    GPQA Raw · выше — лучше

    Результат

    0,2693

    Open LLM v2 · архив

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

MetaMath-Mistral-Pro — языковая модель TencentARC, дообученная на наборе математических задач MetaMathQA и основанная на Mistral-Pro. Это плотная авторегрессионная модель семейства Mistral с 8,9 млрд параметров, предназначенная для генерации текста и решения задач по математике.

Модель принимает текстовые запросы и генерирует текстовые ответы; заявленная длина контекста составляет 32 768 токенов. В метаданных указан английский язык. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • решение текстовых математических задач
  • получение ответа на задачу по алгебре
  • генерация объяснений к математическим задачам

Ограничения

В README не приведены результаты MetaMath-Mistral-Pro на бенчмарках или подробности о точности; математические ответы требуют проверки.

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

see our paper in https://arxiv.org/abs/2401.02415

View the project page: https://github.com/TencentARC/LLaMA-Pro

Model Details

MetaMath-Mistral-Pro is fully fine-tuned on the MetaMathQA datasets and based on the powerful Mistral-Pro model.

Model Usage

The model is trained to use the following format (note the newlines):

<|user|>
Your message here!
<|assistant|>

For best results, format all inputs in this manner. Make sure to include a newline after <|assistant|>, this can affect generation quality quite a bit.

Experiments

ModelGSM8k Pass@1MATH Pass@1
MPT-7B6.83.0
Falcon-7B6.82.3
LLaMA-1-7B11.02.9
LLaMA-2-7B14.62.5
MPT-30B15.23.1
LLaMA-1-13B17.83.9
GPT-Neo-2.7B19.5--
Falcon-40B19.62.5
Baichuan-chat-13B23.9--
Vicuna-v1.3-13B27.6--
LLaMA-2-13B28.73.9
InternLM-7B31.2--
ChatGLM-2-6B32.4--
GPT-J-6B34.9--
LLaMA-1-33B35.63.9
LLaMA-2-34B42.26.24
RFT-7B50.3--
LLaMA-1-65B50.910.6
Qwen-7B51.6--
WizardMath-7B54.910.7
LLaMA-2-70B56.813.5
WizardMath-13B63.914.0
MAmmoTH-7B (COT)50.510.4
MAmmoTH-7B (POT+COT)53.631.5
Arithmo-Mistral-7B74.725.3
MetaMath-7B66.519.8
MetaMath-13B72.322.4
MetaMath-Mistral-7B77.728.2
MetaMath-Llemma-7B69.230.0
🔥 MetaMath-Mistral-Pro78.430.3

Citation

@article{wu2024llama,
  title={Llama pro: Progressive llama with block expansion},
  author={Wu, Chengyue and Gan, Yukang and Ge, Yixiao and Lu, Zeyu and Wang, Jiahao and Feng, Ye and Luo, Ping and Shan, Ying},
  journal={arXiv preprint arXiv:2401.02415},
  year={2024}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
3835d38

0 моделей