/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
Llama 3
Архитектура
llama · dense
Базовая модель
Meta-Llama-3-8B
Библиотека
transformers
Опубликована
5 июн 2024

dart-math-llama3-8b-prop2diff

Генерация текстаТекст → текст3 профессии

Дообученная на сложных математических задачах англоязычная Llama 3 для генерации решений и рассуждений.

41скачиваний за 30 дней1лайквеса обновлены19 июл 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

DART-Math-Llama3-8B-Prop2Diff — дообученная HKUST-NLP языковая модель для решения математических задач и пошаговых рассуждений. Она основана на Meta-Llama-3-8B и обучена методом instruction tuning на синтетических данных DART-Math-Hard, сформированных из наборов MATH и GSM8K с помощью отбора ответов с учётом сложности задач. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и принимает текстовые инструкции на английском языке.

Модель предназначена для генерации решений по математике: от задач уровня школьной алгебры до сложных задач из математических бенчмарков. В README указаны сравнительные результаты семейства DART-Math на нескольких математических тестах, однако конкретные оценки именно этой версии не приведены. Контекстная длина по метаданным — 8192 токена. Репозиторий распространяет веса в формате safetensors; лицензия — llama3, унаследованная от Meta Llama 3.

Сценарии применения

  • Решение задач по алгебре и арифметике
  • Пошаговое объяснение решения математической задачи
  • Ответы на задачи из учебных и олимпиадных наборов
  • Генерация решений для математических бенчмарков

Ограничения

README не приводит отдельные результаты этой 8B-версии, поэтому качество на конкретных задачах по карточке оценить нельзя. Модель обучалась на англоязычных математических данных и может ошибаться в рассуждениях или вычислениях.

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

DART-Math: Difficulty-Aware Rejection Tuning for Mathematical Problem-Solving

📝 Paper@arXiv | 🤗 Datasets&Models@HF | 🐱 Code@GitHub

🐦 Thread@X(Twitter) | 🐶 中文博客@知乎 | 📊 Leaderboard@PapersWithCode | 📑 BibTeX

Models: DART-Math

DART-Math models achieve performance superior or competitive to previous SOTAs on 2 in-domain and 4 challenging out-of-domain mathematical reasoning benchmarks, despite using much smaller datasets and no proprietary model like GPT-4.

ModelMATHGSM8KCollegeDMOlympiadTheoremAVG
GPT-4 (0314)52.694.724.4--------
Llama-3-70B-MetaMath44.988.031.953.211.621.941.9
DART-Math-Llama-3-70B (Uniform)54.990.438.564.119.127.449.1
DART-Math-Llama-3-70B (Prop2Diff)56.189.637.964.120.028.249.3
DeepSeekMath-7B-MetaMath43.781.833.753.013.623.241.5
DeepSeekMath-7B-RL53.188.441.358.318.735.949.3
DART-Math-DSMath-7B (Uniform)52.988.240.160.221.332.549.2
DART-Math-DSMath-7B (Prop2Diff)53.686.840.761.621.732.249.4
Mistral-7B-MetaMath29.876.519.328.05.914.028.9
DART-Math-Mistral-7B (Uniform)43.582.626.942.013.216.427.4
DART-Math-Mistral-7B (Prop2Diff)45.581.129.445.114.717.038.8
Llama-3-8B-MetaMath32.577.320.635.05.513.830.8
DART-Math-Llama-3-8B (Uniform)45.382.527.148.213.615.438.7
DART-Math-Llama-3-8B (Prop2Diff)46.681.128.848.014.519.439.7

Abbreviations: College (CollegeMath), DM (DeepMind Mathematics), Olympiad (OlympiadBench-Math), Theorem (TheoremQA). Bold means the best score by SFT on the respective base model here. To reproduce our results, please refer to the DART-Math GitHub repository.

Prompt Template

All the DART-Math models use the Alpaca prompt template:


Below is an instruction that describes a task. Write a response that appropriately completes the request.\n\n###Instruction:\n{query}\n\n### Response:\n

Training Dataset

We construct our traning datasets by applying Difficulty-Aware Rejection Sampling (DARS) to the MATH and GSM8K training sets.

DARS tackle severe biases towards easy queries, with frequent failures to generate any correct response for the most challenging queries, in previous datasets.

These biases are primarily caused by vanilla rejection sampling, where the same number of responses is sampled for each query, yet the likelihood of obtaining correct responses for difficult queries is significantly lower, sometimes even zero.

Please refer to DART-Math-Hard / DART-Math-Uniform for more details.

Training Setup

We perform standard instruction tuning to several base models including Llama3-8B & Mistral-7B & Llama3-70B as representatives of general models and DeepSeekMath- 7B as the representative of math-specialized model on our synthetic datasets DART-Math-Hard & DART-Math-Uniform, leading to DART-Math (Prop2Diff) & DART-Math (Uniform) respectively.

For simplicity, we keep most hyper-parameters the same across different models and datasets:

  • Model max length (of packed sequence): 4096
  • Batch size: 64
  • Warm-up ratio: 0.03
  • Learning rate scheduler: cosine
  • Prompt template: Alpaca

Several other key hyper-parameters are tuned as follow:

Base ModelMax. L.R.# of Epochs# of Grad. Acc. Steps# of A100 GPUs
Mistral-7B1e-5318
Llama3-8B5e-5128
Llama3-70B2e-51132
DeepSeekMath-7B5e-5318
  • For maximum learning rate, we determine the values by searching through 1e-6,5e-6,1e-5,2e-5,5e-5,1e-4 according to the MATH performance after training on MMIQC for 1 epoch, except for Llama3-70B that is so expensive to search for that we derive from Llama3-8B’s learning rate in analogy to the relationship of (per-training) learning rates between Llama2-7B and Llama2-70B (~2:1).
  • For Llama3 models, preliminary experiments indicate that training for 1 epoch consistently outperforms 3 epochs.

Please refer to Appendix A.1 of our paper for more details.

Other Details

  • For Mistral-7B-based models, we disable sliding_window by default following the newest Mistral-7B-Instruct (Flash Attention 2 does not support sliding_window and XFormer backend in vLLM has throughput ~10% lower in our experiments.)

Citation

If you find our data, model or code useful for your work, please kindly cite our paper:

@article{tong2024dartmath,
  title={DART-Math: Difficulty-Aware Rejection Tuning for Mathematical Problem-Solving},
  author={Yuxuan Tong and Xiwen Zhang and Rui Wang and Ruidong Wu and Junxian He},
  year={2024},
  eprint={2407.13690},
  archivePrefix={arXiv},
  primaryClass={cs.CL},
  url={https://arxiv.org/abs/2407.13690},
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
66a0a6c

0 моделей