/ Модель

Характеристики

Контекст
8 192 токена
Параметры
19,3 млрд
Размер весов
39,7 ГБ
Лицензия
Своя лицензия
Архитектура
internlm2 · dense
Опубликована
24 мая 2024

internlm2-math-plus-20b

Генерация текстаТекст → текст3 профессии

Производная модели internlm/internlm2-math-plus-1_8b. Двуязычная модель InternLM2 на 1,7 млрд параметров для решения математических задач, рассуждений и работы с формальными доказательствами.

253скачиваний за 30 дней7лайковвеса обновлены13 мар 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 оценки1

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

  • TIGER-Lab/MMLU-Pro

    score · выше — лучше

    Результат

    37,1

    mmlu_pro 37,1
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Карточка модели internlm/internlm2-math-plus-20b на Hugging Face совпадает с карточкой internlm/internlm2-math-plus-1_8b, поэтому описание составлено по ней.

InternLM2-Math-Plus-1.8B — двуязычная языковая модель для математических рассуждений, разработанная командой InternLM. Это плотная авторегрессионная модель семейства InternLM2 с 1,7 млрд параметров, представленная в формате Safetensors; контекст составляет 8192 токена. Модель ориентирована на решение математических задач и заявлена как помощник для доказательств, проверки решений и подготовки математических примеров.

Модель предназначена для неформальных рассуждений, включая пошаговые решения и использование кода, а также для формальных задач — перевода математических утверждений в LEAN 4 и доказательства теорем. В README приведены результаты на MATH, GSM8K и MiniF2F; версия 1.8B показала 37,0 на MATH, 41,5 на MATH с Python и 58,8 на GSM8K в указанной оценке. Заявленные языки — английский и китайский. Лицензия обозначена как other; конкретные условия следует проверять в репозитории модели.

Сценарии применения

  • пошаговое решение математических задач
  • решение задач уровня MATH и GSM8K
  • решение задач с использованием Python
  • перевод математических утверждений в LEAN 4
  • помощь в доказательстве и проверке теорем
  • генерация математических примеров для расширения данных

Ограничения

Результаты в README представлены для конкретных бенчмарков и не гарантируют точность на произвольных задачах; для проверки формальных доказательств требуется среда LEAN 4. Условия лицензии указаны как other, поэтому перед использованием следует проверить их в репозитории.

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

InternLM-Math-Plus

State-of-the-art bilingual open-sourced Math reasoning LLMs. A solver, prover, verifier, augmentor.

💻 Github 🤗 Demo

News

  • [2024.05.24] We release updated version InternLM2-Math-Plus with 4 sizes and state-of-the-art performances including 1.8B, 7B, 20B, and 8x22B. We improve informal math reasoning performance (chain-of-thought and code-intepreter) and formal math reasoning performance (LEAN 4 translation and LEAN 4 theorem proving) significantly.
  • [2024.02.10] We add tech reports and citation reference.
  • [2024.01.31] We add MiniF2F results with evaluation codes!
  • [2024.01.29] We add checkpoints from ModelScope. Update results about majority voting and Code Intepreter. Tech report is on the way!
  • [2024.01.26] We add checkpoints from OpenXLab, which ease Chinese users to download!

Performance

Formal Math Reasoning

We evaluate the performance of InternLM2-Math-Plus on formal math reasoning benchmark MiniF2F-test. The evaluation setting is same as Llemma with LEAN 4.

ModelsMiniF2F-test
ReProver26.5
LLMStep27.9
GPT-F36.6
HTPS41.0
Llemma-7B26.2
Llemma-34B25.8
InternLM2-Math-7B-Base30.3
InternLM2-Math-20B-Base29.5
InternLM2-Math-Plus-1.8B38.9
InternLM2-Math-Plus-7B43.4
InternLM2-Math-Plus-20B42.6
InternLM2-Math-Plus-Mixtral8x22B37.3

Informal Math Reasoning

We evaluate the performance of InternLM2-Math-Plus on informal math reasoning benchmark MATH and GSM8K. InternLM2-Math-Plus-1.8B outperforms MiniCPM-2B in the smallest size setting. InternLM2-Math-Plus-7B outperforms Deepseek-Math-7B-RL which is the state-of-the-art math reasoning open source model. InternLM2-Math-Plus-Mixtral8x22B achieves 68.5 on MATH (with Python) and 91.8 on GSM8K.

ModelMATHMATH-PythonGSM8K
MiniCPM-2B10.2-53.8
InternLM2-Math-Plus-1.8B37.041.558.8
InternLM2-Math-7B34.650.978.1
Deepseek-Math-7B-RL51.758.888.2
InternLM2-Math-Plus-7B53.059.785.8
InternLM2-Math-20B37.754.382.6
InternLM2-Math-Plus-20B53.861.887.7
Mixtral8x22B-Instruct-v0.141.8-78.6
Eurux-8x22B-NCA49.0--
InternLM2-Math-Plus-Mixtral8x22B58.168.591.8

We also evaluate models on MathBench-A. InternLM2-Math-Plus-Mixtral8x22B has comparable performance compared to Claude 3 Opus.

ModelArithmeticPrimaryMiddleHighCollegeAverage
GPT-4o-051377.787.776.359.054.070.9
Claude 3 Opus85.785.058.042.743.763.0
Qwen-Max-042872.386.365.045.027.359.2
Qwen-1.5-110B70.382.364.047.328.058.4
Deepseek-V282.789.359.039.329.359.9
Llama-3-70B-Instruct70.386.053.038.734.756.5
InternLM2-Math-Plus-Mixtral8x22B77.582.063.650.336.862.0
InternLM2-Math-20B58.770.043.724.712.742.0
InternLM2-Math-Plus-20B65.879.759.547.624.855.5
Llama3-8B-Instruct54.771.025.019.014.036.7
InternLM2-Math-7B53.767.041.318.38.037.7
Deepseek-Math-7B-RL68.083.344.333.023.050.3
InternLM2-Math-Plus-7B61.478.352.540.521.750.9
MiniCPM-2B49.351.718.08.73.726.3
InternLM2-Math-Plus-1.8B43.043.325.418.94.727.1

Citation and Tech Report

@misc{ying2024internlmmath,
      title={InternLM-Math: Open Math Large Language Models Toward Verifiable Reasoning}, 
      author={Huaiyuan Ying and Shuo Zhang and Linyang Li and Zhejian Zhou and Yunfan Shao and Zhaoye Fei and Yichuan Ma and Jiawei Hong and Kuikun Liu and Ziyi Wang and Yudong Wang and Zijian Wu and Shuaibin Li and Fengzhe Zhou and Hongwei Liu and Songyang Zhang and Wenwei Zhang and Hang Yan and Xipeng Qiu and Jiayu Wang and Kai Chen and Dahua Lin},
      year={2024},
      eprint={2402.06332},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
InternLM2ForCausalLM
Ревизия весов
69a8cfe

0 моделей