/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
12,9 млрд
Размер весов
26 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
26 фев 2024

MathOctopus-MAPO-DPO-13B

Генерация текстаТекст → текст3 профессии

Производная модели kevinpro/MetaMathOctopus-7B. Генеративная модель на базе Llama для решения математических задач, включая задачи из многоязычных бенчмарков.

17скачиваний за 30 дней0лайковвеса обновлены26 мар 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

Карточка модели kevinpro/MathOctopus-MAPO-DPO-13B на Hugging Face совпадает с карточкой kevinpro/MetaMathOctopus-7B, поэтому описание составлено по ней.

MetaMathOctopus-7B — генеративная языковая модель на базе архитектуры Llama, опубликованная пользователем kevinpro. По названию и приведённым в карточке бенчмаркам MSVAMP, MGSM и MNumGLUESub модель предназначена для решения математических задач, в том числе многоязычных. Модель содержит 6,6 млрд параметров, принимает текст и генерирует текст; длина контекста — 4096 токенов. В метаданных указаны языки как multilingual, но конкретные языки README не перечисляет. Репозиторий содержит веса в формате Safetensors, лицензия — Apache-2.0.

Карточка приводит результаты сравнения с GPT-3.5-Turbo, MAmmoTH и WizardMath на математических наборах, однако доступный фрагмент не содержит результатов самой MetaMathOctopus-7B, поэтому по нему нельзя оценить её точность или сравнить качество с другими моделями. Модель можно рассматривать для экспериментального применения в генерации ответов и рассуждений по математическим задачам.

Сценарии применения

  • получение решения текстовой математической задачи
  • генерация пошагового объяснения математического ответа
  • решение математических текстовых задач на разных языках

Ограничения

В доступном фрагменте README нет результатов MetaMathOctopus-7B на указанных бенчмарках, поэтому качество модели по ним оценить нельзя. Контекст ограничен 4096 токенами.

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

MAPO: Advancing Multilingual Reasoning through Multilingual Alignment-as-Preference Optimization

🔥Our paper

https://arxiv.org/abs/2401.06838

🔥Github Project

https://github.com/NJUNLP/MAPO

🔥Open Multilingual Reasoning Leaderboard

https://huggingface.co/spaces/kevinpro/Open-Multilingual-Reasoning-Leaderboard

Benchmarks

SystemMSVAMPMGSMMNumGLUESub
GPT-3.5-Turbo46.642.249.4
MAmmoTH 7B26.321.324.2
WizardMath 7B32.523.028.7
MetaMath 7B46.237.043.2
QAlign 7B57.249.6-
MathOctopus 7B41.239.537.1
+ MAPO-DPO(ours)🔥57.441.650.4
MetaMathOctopus 7B53.045.539.2
+ MAPO-DPO(ours) 👑64.751.652.9
MistralMathOctopus 7B59.058.056.8
+ MAPO-DPO(ours) 👑74.667.370.0
SystemMSVAMPMGSMMNumGLUESub
GPT-3.5-Turbo46.642.249.4
MAmmoTH 13B38.628.929.5
WizardMath 13B35.728.329.0
MetaMath 13B46.243.943.3
QAlign 13B62.657.1-
MathOctopus 13B51.846.040.3
+ MAPO-DPO(ours)🔥60.148.553.8
MetaMathOctopus 13B56.351.449.5
+ MAPO-DPO(ours) 👑67.058.059.8

Citation

If you find this model helpful, feel free to cite our paper:

@misc{she2024mapo,
      title={MAPO: Advancing Multilingual Reasoning through Multilingual Alignment-as-Preference Optimization}, 
      author={Shuaijie She and Wei Zou and Shujian Huang and Wenhao Zhu and Xiang Liu and Xiang Geng and Jiajun Chen},
      year={2024},
      eprint={2401.06838},
      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
LlamaForCausalLM
Ревизия весов
6c8298b

0 моделей