/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
32 млрд
Размер весов
65,5 ГБ
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-32B-Instruct
Библиотека
transformers
Опубликована
3 янв 2025

inf-o1-pi0

Генерация текстаТекст → текст11 профессий

Дообученная 32-миллиардная языковая модель INF-o1-pi0 предназначена для развёрнутых рассуждений и решения задач по математике, логике, программированию и SQL.

25скачиваний за 30 дней8лайковвеса обновлены30 апр 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

INF-o1-pi0 — языковая модель для рассуждений, разработанная командой INF-o1 компании INFLY TECH (Shanghai) Co., Ltd. Это начальный контрольный чекпойнт проекта, созданный для оценки конвейера подготовки данных перед дальнейшим обучением с подкреплением. Модель дообучена на базе Qwen/Qwen2.5-32B-Instruct, имеет плотную архитектуру Qwen2 и 32 млрд параметров; работает через Transformers и принимает текст, выдавая текст. Контекстное окно составляет 32 768 токенов.

Модель предназначена для генерации развёрнутых рассуждений и решения задач по математике, программированию, логике, безопасности и SQL. В README приведены результаты сравнений на математических, логических и SQL-бенчмарках; они показывают сильные результаты на отдельных наборах, но не гарантируют точность в прикладных задачах. Карточка описывает этот выпуск как исходный чекпойнт для оценки конвейера данных и основы будущего обучения с подкреплением. Языковые теги метаданных охватывают китайский, английский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский. Лицензия в предоставленных данных не указана.

Сценарии применения

  • решение сложных математических задач
  • разбор логических задач и аргументации
  • генерация и анализ кода
  • составление SQL-запросов по описанию задачи
  • оценка конвейеров данных для обучения рассуждению

Ограничения

В README модель обозначена как начальный чекпойнт для оценки конвейера подготовки данных, а не как завершённая версия будущего обучения с подкреплением; результаты бенчмарков сами по себе не гарантируют точности на реальных задачах. Лицензия в предоставленных данных не указана.

Для каких профессий подходит11

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🤗 Hugging Face Github

Overview

We are pleased to share the initial checkpoint of our reasoning foundation large language model as an open-source resource. This checkpoint is intended to help evaluate our team's data production pipeline across various domains, including mathematics, programming, logic, safety, and others. Its goal is to provide a solid starting point for developing a robust policy for the subsequent reinforcement learning process.

We are hopeful that applying our reinforcement learning algorithms, supported by our carefully designed infrastructure, will lead to meaningful improvements in the model’s reasoning capabilities across various domains. At the heart of the project is our data production pipeline, which we believe plays a crucial role in enabling general reasoning capabilities. We also believe that the reasoning capability induced by the data production pipline can address a range of real-world industrial scenarios with increasing precision and reliability.

Based on our observations during the production of pi0, we have identified quality and diversity as critical factors for fostering high-quality, long Chain-of-Thought (CoT) reasoning capabilities. This insight aligns closely with conclusions drawn from the general alignment process of large language models. By meticulously designing self-verification and backtracking mechanisms to ensure process correctness in data generation, we have developed datasets that effectively induce robust long-context reasoning across diverse domains. This approach demonstrates superior performance compared to state-of-the-art o1-lile models with similar objectives, highlighting the potential of our data production pipline in advancing reasoning capabilities.

Experiments

Math Benchmarks

ModelCollege MathAMC23MATHOlympiad BenchGaoKao 2023 EnAIME24
Qwen2.5-32B-Instruct45.7172.582.8246.8168.8323.33
Qwen2.5-32B-QwQ43.3372.588.5455.5678.7040.00
INF-o1-pi047.2785.088.6056.0077.1440.00

Logical Benchmark

Modellsat
Qwen2.5-32B-Instruct33.7
Qwen2.5-32B-QwQ67.0
INF-o1-pi071.8

Safety Benchmarks

ModelAIR-BENCH 2024AIR-BENCH 2024(CRF)
Qwen2.5-32B-Instruct54.2953.83
Qwen2.5-32B-QwQ52.6153.42
o1-preview73.2570.72
INF-o1-pi077.2574.49

SQL Benchmarks

Modelbirdspider
Qwen2.5-32B-Instruct50.277.8
Qwen2.5-32B-QwQ43.769.9
o1-preview48.970.6
INF-o1-pi055.379.7

Quick Start

We provide an example usage of the inf-o1-pi0 below.

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "infly/inf-o1-pi0"

model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="auto",
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained(model_name)

prompt = "Give me a short introduction to large language model."

messages = [
    {"role": "system", "content": "You are an advanced AI language model specializing in solving math and programming problems step by step. Carefully analyze each part of the problem, verify the accuracy of your reasoning with relevant facts and data, and provide clear, logical solutions. Reflect on and review your approach throughout the problem-solving process to ensure precision and thoroughness. Always think through the problem step by step and provide your answers accordingly."},
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=512
)
generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
print(response)


Future Plan

Our pi0 serves as the foundation for ensuring that our data generation pipeline effectively leverages the long reasoning capabilities of large language models. Looking ahead, we plan to use pi0 as the initial policy checkpoint for reinforcement learning training. Through this process, we aim to significantly enhance the generalization of reasoning capabilities, particularly for tasks in the financial and medical domains, which are critical for both academic research and industrial applications.

Contributor

Supervisors

Wei Chu • Yinghui Xu • Yuan Qi

INF-o1 team

Listed in Alphabetical Order

Chao Qu - Team Leader • Chao Wang - Infrastructure • Cheng Peng - Data Pipeline (Logical) • Dakuan Lu - Data Pipeline (Science) • Haozhe Wang - Data Pipeline (Math) & RL • Hongqing Hu - Infrastructure • Jianming Feng - Data Pipeline (Safety) • Jiaran Hao - Data Pipeline (SQL) & Infrastructure • Kelang Tian - Infrastructure • Minghao Yang - Data Pipeline (Math) • Quanbin Wang - Data Pipeline (Safety) • J.K. Liu - Data Pipeline (SQL) • Tianchu Yao - Data Pipeline & Alignment • Weidi Xu - Data Pipeline (Logical) • Xiaoyu Tan - Data Pipeline & Alignment • Yihan Songliu - Infrastructure

License Agreement

infly-o1-pi0 support commercial applications under a permissive License.

Contact

Chao Qu: quchao_tequila@inftech.ai Xiaoyu Tan: yulin.txy@inftech.ai

Cititation

If you find our work helpful, feel free to give us a cite.

@misc{inftech_pi_zero2024,
  author       = {INF-o1 Team},
  title        = {INF-o1 (\(\pi_0\)): Initiating the Journey to the Infinity of LLM Reasoning},
  year         = {2024},
  url          = {https://inftech-pi-zero.github.io/},
  note         = {Accessed: 2024-12-31}
}

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
de10840

0 моделей