/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,1 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Библиотека
transformers
Опубликована
11 фев 2025

Universal-PRM-7B

Генерация текстаТекст → текст3 профессии

Модель на базе Qwen2.5-Math-7B-Instruct оценивает корректность отдельных шагов и цепочек решений математических задач.

36скачиваний за 30 дней8лайковвеса обновлены20 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 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

Universal-PRM-7B — модель оценки промежуточных шагов в решении математических задач, разработанная авторами работы AURORA. Она построена на базе Qwen2.5-Math-7B-Instruct и обучена на примерах с различными распределениями решений, ансамблевым промптингом и обратной проверкой. Модель предназначена для выявления ошибок в цепочках рассуждений и оценки их корректности, в том числе при работе с длинными и короткими решениями.

Модель использует плотную архитектуру Qwen2 с 7,1 млрд параметров и контекстом до 32 768 токенов. Метаданные указывают библиотеку Transformers, формат PyTorch и задачу text-generation; карточка сообщает результаты на тестах ProcessBench и UniversalBench. Лицензия — Apache 2.0. В карточке не описан точный формат выдачи оценок, а подтверждённая область применения ограничена оценкой математических рассуждений.

Сценарии применения

  • поиск ошибочных шагов в математическом решении
  • оценка корректности цепочки рассуждений
  • ранжирование вариантов математического решения по качеству
  • проверка длинных олимпиадных решений
  • оценка решений задач уровня GSM8K и MATH

Ограничения

Карточка описывает оценивание математических рассуждений, поэтому применимость к другим областям не подтверждена. Точный формат и калибровка оценок в карточке не приведены.

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

Universal-PRM-7B

Paper: AURORA:Automated Training Framework of Universal Process Reward Models via Ensemble Prompting and Reverse Verification Project page: https://auroraprm.github.io/

1. Overview

Universal-PRM is trained using Qwen2.5-Math-7B-Instruct as the base. The training process incorporates diverse policy distributions, ensemble prompting, and reverse verification to enhance generalization and robustness. It achieves state-of-the-art performance on ProcessBench and the internally developed UniversalBench.

2. Experiments

ProcessBench

ModelGSM8KMATHOlympiad-BenchOmni-MATHAverage
Math-Shepherd-PRM-7B47.929.524.823.831.5
RLHFflow-PRM-Mistral-8B50.433.413.815.828.4
Skywork-PRM-7B70.853.622.921.042.1
Qwen2.5-Math-7B-PRM800K68.262.650.744.356.5
Qwen2.5-Math-PRM-7B82.477.667.566.373.5
Universal-PRM-7B85.877.767.666.474.3

UniversalBench

ModelAIME (lng)AMC (lng)IMO (lng)Olympiads (lng)GSM8K (shrt)Olympiads (shrt)MATH (shrt)Average
Math-Shepherd-PRM-7B60.014.157.649.340.824.343.941.4
RLHFflow-PRM-Mistral-8B18.734.623.711.372.145.056.837.4
Skywork-PRM-7B24.013.221.816.533.961.731.828.9
Qwen2.5-Math-7B-PRM800K57.156.865.454.989.674.081.968.5
Qwen2.5-Math-PRM-7B49.061.645.360.288.873.780.765.6
Universal-PRM-7B59.576.262.865.591.980.285.874.5

3. Quick Start

from transformers import AutoModel, AutoTokenizer
import torch
import json

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

model_path = 'infly/Universal-PRM-7B'

tokenizer = AutoTokenizer.from_pretrained(model_path)
model = AutoModel.from_pretrained(
    model_path, 
    device_map=device, 
    torch_dtype=torch.bfloat16,
    trust_remote_code=True,
).eval()

question = "It's April, and Mrs. Rylan has been busy on her farm planting different types of vegetables for the season. She has bought 20 packets of tomato seeds and 80 packets of celery seeds to plant. If a packet of tomato seeds costs $40 and a packet of celery seeds costs $30, how much money did she use to buy the seeds?"
ground_truth_solution = "The total amount of money she used to buy the tomato seeds is 20 packets * $40/packet = $<<20*40=800>>800\nThe celery seeds cost her 80 packets * $30/packet = $<<80*30=2400>>2400\nFor the seeds, Mrs. Rylan paid $2400 + $800 = $<<2400+800=3200>>3200\n#### 3200"
steps = ["To find out how much money Mrs. Rylan used to buy the seeds, we need to calculate the total cost of tomato seeds and celery seeds separately, then add them together.", "First, calculate the total cost of tomato seeds. Number of packets of tomato seeds = 20. Cost per packet of tomato seeds = $40. Total cost of tomato seeds = Number of packets of tomato seeds * Cost per packet of tomato seeds = 20 * $40 = $800.", "Second, calculate the total cost of celery seeds. Number of packets of celery seeds = 80. Cost per packet of celery seeds = $30. Total cost of celery seeds = Number of packets of celery seeds * Cost per packet of celery seeds = 80 * $30 = $2400.", "Finally, calculate the total amount of money used to buy the seeds. Total amount of money = Total cost of tomato seeds + Total cost of celery seeds = $800 + $2400 = $3200.", "Therefore, Mrs. Rylan used \\boxed{$3200} to buy the seeds."]

if ground_truth_solution != '':
    question_wgt = question + '\n\n###\n\nThe reference answer is: ' + ground_truth_solution
else:
    question_wgt = question + '\n\n###\n\nThe reference answer is: There is no reference answer for this question.'

judge_list_infer = []
with torch.no_grad():
    for step_idx in range(1, len(steps) + 1):
        responses = "\n\n".join(steps[:step_idx]) + "\n\n"
        messages = [
                {"role": "system", "content": "You are a helpful assistant."},
                {"role": "user", "content": question_wgt}
            ]
        query_id = tokenizer.apply_chat_template(
                messages,
                tokenize=True,
                add_generation_prompt=True
            )
        answer_tokens = tokenizer(responses)['input_ids']
        answer_tokens += [tokenizer.eos_token_id]
        QA_ids = query_id + answer_tokens
        
        input_ids = torch.tensor([QA_ids]).long().cuda().contiguous()

        outputs = model(input_ids=input_ids)
        reward = torch.sigmoid(outputs[0]).cpu().item()
        judge_list_infer.append(reward)

print(judge_list_infer)     # [0.73828125, 0.7265625, 0.73046875, 0.73828125, 0.734375]

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForRewardModel
Ревизия весов
a36a0dd

0 моделей