/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
1,5 млрд
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-1.5B-Instruct
Библиотека
transformers
Опубликована
19 сен 2026

baamr-math-qwen2.5-1.5b-12k

Генерация текстаТекст → текст3 профессии

Дообученная на задачах школьной математики модель Qwen2.5, которая решает текстовые задачи на бенгальском и английском языках с пошаговым объяснением.

235скачиваний за 30 дней0лайковвеса обновлены19 сен 2026

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.

Загружаем оценки…

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

BaAMR-Math-12K — дообученная на математических задачах модель на базе Qwen2.5-1.5B-Instruct, разработанная автором репозитория mdhamidhosen. Она предназначена для решения задач математики уровня 6–10 классов на бенгальском и английском языках: модель показывает ход решения и завершает ответ строкой «Answer: …» или «উত্তর: …». Модель имеет плотную архитектуру Qwen2, содержит 1,5 млрд параметров, принимает текст и рассчитана на контекст до 32 768 токенов. В репозитории указаны веса safetensors, лицензия Apache-2.0 и слияние LoRA-адаптера с базовой моделью.

В описанной оценке точность составила 49,6% на отложенных шаблонах; результаты различались для бенгальского и английского языков, а на задачах математического рассуждения точность была особенно низкой. Обучение велось на шаблонно сгенерированных задачах для средней школы, поэтому модель не предназначена для олимпиадной математики и не оценивалась на задачах типа GSM8K. Авторы также отмечают возможные арифметические ошибки, отсутствие независимой проверки учителями и не рекомендуют применять модель в ситуациях с высокими ставками; ответы следует проверять.

Сценарии применения

  • решение задач по математике для 6–10 классов на бенгальском языке
  • пошаговое объяснение школьных математических задач на английском языке
  • проверка ответов на типовые задачи из учебной программы Бангладеш
  • выявление ошибок в решениях школьных математических задач

Ограничения

На шаблонных задачах средней школы точность в описанной оценке составила 49,6%, с заметной разницей между языками и низким результатом на задачах математического рассуждения. Возможны арифметические ошибки; модель не оценивалась на олимпиадных задачах и задачах типа GSM8K, ответы требуют проверки.

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

BaAMR-Math-12K merged model — Qwen2.5-1.5B-Instruct

A LoRA adapter for Qwen/Qwen2.5-1.5B-Instruct fine-tuned on BaAMR-Math-12K, a bilingual (Bangla + English) mathematics dataset of 12,000 records covering all 61 chapters of the NCTB Classes 6–10 mathematics textbooks (2026 editions), each record grounded to a textbook page in both editions. It supersedes the 577-record pilot adapter mdhamidhosen/baamr-math-qwen2.5-1.5b-lora-pilot-577.

The model answers a secondary-school mathematics problem in the language of the question, shows its steps, and ends with Answer: … / উত্তর: ….

Training

Base modelQwen/Qwen2.5-1.5B-Instruct
MethodLoRA (bf16 base); r=16, α=32, dropout 0.05 on q/k/v/o/gate/up/down; completion-only loss
DataBaAMR-Math-12K train split: 9,600 records, 50% Bangla / 50% English
Schedule2 epochs, 8 × 4 = 32 sequences per optimiser step, AdamW lr 0.0001, cosine, 5% warm-up
HardwareTesla T4 (Google Colab), bf16 emulated; 600 optimiser steps in 8.3 h
Selectionlowest validation loss on a 400-record subset of validation, every 100 steps
Best checkpointstep 100, validation loss 0.4179
Final training loss0.0025498466566205025

Evaluation — held-out test split

1,200 records (100 item families × 6 cells × 2 languages) that share no template with training: whole skill templates were held out, so no numeric variant of any training item is in the test set. Greedy decoding, graded with the BaAMR-Bench bilingual grader (Bengali digits folded, fractions compared numerically, MCQ letters accepted).

modelaccuracy (5×2 grid)BanglaEnglishrobust acc. bnrobust acc. en
zero-shot base Qwen/Qwen2.5-1.5B-Instruct48.60%32.17%66.17%12.00%33.00%
this adapter49.60%41.67%58.50%24.00%35.00%

Robust accuracy = fraction of families answered correctly on all five cells (original, numeric, varname, distractor, reorder) within a language.

Accuracy by language × perturbation:

langoriginalnumericvarnamedistractorreorderframing
bn41.00%42.00%37.00%43.00%39.00%48.00%
en58.00%58.00%57.00%61.00%60.00%57.00%

By question type:

typenaccuracy
conceptual6048.33%
error_identification16844.05%
mathematical_reasoning9613.54%
mcq28852.08%
multi_step4833.33%
short_answer24067.92%
true_false15655.13%
word_problem14448.61%

By class:

classnaccuracy
1024041.67%
624046.67%
724070.42%
824040.83%
924050.83%

Per-record generations and the metrics files are in evaluation/. Note the training log: validation loss was lowest at step 100 and rose afterwards (0.42 → 0.59), so this run is over-trained; a v2 recipe (1 epoch, lr 5e-5, early stopping) is planned as …-lora-12k-v2.

Usage

import torch
from peft import PeftModel
from transformers import AutoModelForCausalLM, AutoTokenizer

base = "Qwen/Qwen2.5-1.5B-Instruct"
tok = AutoTokenizer.from_pretrained(base)
model = AutoModelForCausalLM.from_pretrained(base, dtype=torch.bfloat16, device_map="auto")
model = PeftModel.from_pretrained(model, "mdhamidhosen/baamr-math-qwen2.5-1.5b-lora-12k").eval()

messages = [
    {"role": "system", "content": "তুমি বাংলাদেশের মাধ্যমিক শিক্ষার্থীদের একজন গণিত শিক্ষক। সমস্যাটি ধাপে ধাপে সমাধান করো এবং শেষ লাইনে 'উত্তর: ...' আকারে চূড়ান্ত উত্তর দাও।"},
    {"role": "user", "content": "প্রশ্নটির উত্তর দাও।\nএকটি সমকোণী ত্রিভুজের লম্ব বাহু দুটি 5 সেমি ও 12 সেমি; অতিভুজ h ধরি। h নির্ণয় করো।"},
]
inputs = tok.apply_chat_template(messages, add_generation_prompt=True, return_tensors="pt", return_dict=True).to(model.device)
out = model.generate(**inputs, max_new_tokens=256, do_sample=False)
print(tok.decode(out[0, inputs["input_ids"].shape[1]:], skip_special_tokens=True))

English system prompt used in training: "You are a mathematics tutor for Bangladeshi secondary students. Solve the problem step by step and give the final answer on the last line as 'Answer: ...'."

Limitations

  • Trained on template-generated problems (2–4 reasoning steps, secondary-school scope); not a general maths model, not evaluated on GSM8K-style or olympiad problems.
  • The dataset was audited automatically (2,000/2,000 independent re-solves) but has not been reviewed by independent mathematics teachers or bilingual annotators.
  • A 1.5B model: expect arithmetic slips on longer multi-step items; see the language table for the Bangla–English gap.
  • Not for high-stakes use; verify answers.

Dataset

BaAMR-Math-12K — 12,000 records, 1,000 item families, 206 templates, 61 chapters; splits 9,600 / 1,200 / 1,200 by whole template. Part of BaAMR-Bench: A Bangla–English Benchmark for Robust Algorithmic and Mathematical Reasoning in Large Language Models (2026).

Merged full bf16 model; the adapter-only version is mdhamidhosen/baamr-math-qwen2.5-1.5b-lora-12k.

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
623ed34

0 моделей