/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
29 ГБ
Архитектура
mistral · dense
Опубликована
24 мая 2024

JiuZhang3.0-7B

Генерация текстаТекст → текст3 профессии

JiuZhang3.0-7B — дообученная модель Mistral на 7,1 млрд параметров для математических рассуждений и текстовой работы с инструментами.

26скачиваний за 30 дней1лайквеса обновлены3 июн 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

JiuZhang3.0-7B — плотная языковая модель семейства Mistral с 7,1 млрд параметров, разработанная командой ToheartZhang. Это одна из серии моделей, дообученных для математических рассуждений и непрерывно предварительно обученных на корпусе, синтезированном небольшой языковой моделью. Модель принимает текст и генерирует текст; контекстное окно составляет 32 768 токенов. Карточка описывает форматы рассуждений на естественном языке и манипулирования инструментами, а метаданные указывают на обучающие наборы с примерами CoT, использования инструментов и SFT.

Модель предназначена для решения математических задач с пошаговыми объяснениями и работы с инструментами в текстовых сценариях. В README приведены результаты оценки на наборах GSM8k, MATH, SVAMP, ASDiv, MAWPS и CARP, однако конкретные результаты самой версии 7B в предоставленном фрагменте не видны. Модель опубликована в формате safetensors; лицензия в доступных данных не приведена.

Сценарии применения

  • Решение школьных математических задач с объяснением шагов
  • Ответы на задачи из GSM8k и аналогичных наборов
  • Решение текстовых арифметических задач
  • Генерация пошаговых математических рассуждений
  • Формирование текстовых инструкций для работы с инструментами

Ограничения

Доступный фрагмент README не содержит численных результатов именно для версии 7B, поэтому качество на конкретных тестах по нему оценить нельзя. Лицензия в предоставленных данных не указана.

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

Introduction

JiuZhang3.0 is a series of fine-tuned models for math reasoning continually pre-trained on corpus synthesized by our carefully trained small LLM.

Experimental Results

For more evaluation results, please refer to the Paper

ModelsGSM8kMATHSVAMPASDivMAWPSCARPAvg.
GPT-492.265.492.994.396.653.682.5
20B+ Models
Llemma-34B60.224.668.075.689.836.559.1
Intern-Math-20B64.927.474.979.694.442.363.9
ChatGLM-Math-32B82.640.6-----
MAmmoTH2-8x7B-Plus86.447.090.092.297.045.876.4
JiuZhang3.0-8x7B89.853.890.293.196.752.379.3
7-8B Models
Mistral-7B-MMIQC75.034.273.582.190.136.565.2
MetaMath-Mistral-7B77.829.679.681.293.730.565.4
Abel-7B-00280.429.678.882.793.533.266.4
WizardMath-7B-1.182.232.880.784.293.831.967.6
Math-Shepherd-Mistral-7B84.334.482.982.892.532.968.3
KPMath-DSMath-7B83.948.881.588.994.8--
MAmmoTH2-7B-Plus84.246.290.390.397.144.375.2
MAmmoTH2-8B-Plus84.441.289.989.997.144.874.6
DeepSeekMath-7B-Instruct82.345.883.790.195.745.873.9
DeepSeekMath-7B-RL88.250.287.391.895.551.677.4
JiuZhang3.0-7B88.652.890.492.697.351.078.8
JiuZhang3.0-8B88.651.089.492.697.150.978.3

Evaluation

Natural Language Reasoning

## Question
{question}

## Solution
{solution}

Tool Manipulation

## Question
{question}

## Code Solution
{solution}

Citation

If you find this repository helpful, please consider citing our paper:

@article{zhou2024jiuzhang30,
      title={JiuZhang3.0: Efficiently Improving Mathematical Reasoning by Training Small Data Synthesis Models}, 
      author={Kun Zhou and Beichen Zhang and Jiapeng Wang and Zhipeng Chen and Wayne Xin Zhao and Jing Sha and Zhichao Sheng and Shijin Wang and Ji-Rong Wen},
      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
12af0c3

0 моделей