Характеристики

Лицензия: Apache 2.0
Опубликована: 26 мар 2024

Ссылки

MistralMathOctopus-MAPO-DPO-7B

Генерация текстаТекст → текст

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

0скачиваний за 30 дней0лайковвеса обновлены26 мар 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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/MistralMathOctopus-MAPO-DPO-7B 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.

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

System	MSVAMP	MGSM	MNumGLUESub
GPT-3.5-Turbo	46.6	42.2	49.4
MAmmoTH 7B	26.3	21.3	24.2
WizardMath 7B	32.5	23.0	28.7
MetaMath 7B	46.2	37.0	43.2
QAlign 7B	57.2	49.6	-
MathOctopus 7B	41.2	39.5	37.1
+ MAPO-DPO(ours)🔥	57.4	41.6	50.4
MetaMathOctopus 7B	53.0	45.5	39.2
+ MAPO-DPO(ours) 👑	64.7	51.6	52.9
MistralMathOctopus 7B	59.0	58.0	56.8
+ MAPO-DPO(ours) 👑	74.6	67.3	70.0

System	MSVAMP	MGSM	MNumGLUESub
GPT-3.5-Turbo	46.6	42.2	49.4
MAmmoTH 13B	38.6	28.9	29.5
WizardMath 13B	35.7	28.3	29.0
MetaMath 13B	46.2	43.9	43.3
QAlign 13B	62.6	57.1	-
MathOctopus 13B	51.8	46.0	40.3
+ MAPO-DPO(ours)🔥	60.1	48.5	53.8
MetaMathOctopus 13B	56.3	51.4	49.5
+ MAPO-DPO(ours) 👑	67.0	58.0	59.8

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

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов: 160ff11