/ Модель

Характеристики

Контекст
8 194 токена
Параметры
659 млн
Лицензия
Apache 2.0
Архитектура
xlm-roberta · dense
Базовая модель
bge-m3
Библиотека
transformers
Опубликована
25 фев 2025

dependency_retriever_f

Сходство предложенийТекст → score

Плотная модель на базе BAAI/bge-m3 для поиска релевантных зависимостей по формальным математическим объявлениям, включая сценарии с Lean 4.

112скачиваний за 30 дней0лайковвеса обновлены26 фев 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 «Эмбеддинги» — 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

purewhite42/dependency_retriever_f — плотная модель для поиска зависимостей в формальной математике. Её разработали Qi Liu, Xinhao Zheng, Xudong Lu и Qinxiang Cao из Шанхайского университета Цзяотун; модель представлена в работе об автоформализации, отмеченной как Spotlight на ICLR 2025. Это дообученная методом SFT модель BAAI/bge-m3 с архитектурой XLM-RoBERTa и 658,7 млн параметров.

Модель принимает формальные объявления и предназначена для извлечения релевантных математических зависимостей, в том числе для задач на Lean 4. В README приведены результаты на ProofNet: для метода DR указаны Recall@5 35,52% и Precision@5 22,89%. Метаданные указывают контекст до 8194 токенов и английский язык. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • поиск математических зависимостей по формальному объявлению
  • извлечение релевантных утверждений для формализации доказательства в Lean 4
  • ранжирование объявлений по соответствию формальной задаче
  • поиск зависимостей в корпусе формальной математики

Ограничения

Модель предназначена для поиска по формальным объявлениям; применимость к входам с неформальными описаниями README относит к отдельной версии dependency_retriever_f_if. Приведённые показатели относятся к ProofNet и не гарантируют аналогичного качества на других корпусах.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Please refer to the 📺GitHub repo and 📃Paper for more details.

📈 Performance

Bench    FmtMethodRecall@5Precision@5
ProofNetF    BM25      0.16%        0.11%          
             F    DR        35.52%      22.89%          
             F+IF  BM25      0.00%        0.00%          
             F+IF  DR        32.47%      20.32%          
  Con-NF  F    BM25      4.41%        2.37%          
             F    DR        24.32%      14.05%          
             F+IF  BM25      9.86%        6.95%          
             F+IF  DR        27.91%      17.57%          

⚙️ Usage

📚 Citation

If you find our work useful in your research, please cite

@inproceedings{
liu2025rethinking,
title={Rethinking and improving autoformalization: towards a faithful metric and a Dependency Retrieval-based approach},
author={Qi Liu and Xinhao Zheng and Xudong Lu and Qinxiang Cao and Junchi Yan},
booktitle={The Thirteenth International Conference on Learning Representations},
year={2025},
url={https://openreview.net/forum?id=hUb2At2DsQ}
}

License

This project is released under the Apache 2.0 license. Please see the LICENSE file for more information.

Contact

Feel free to discuss the paper/data/code with us through issues/emails!

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
XLMRobertaModel
Ревизия весов
96c5202

0 моделей