/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
7,6 млрд
Размер весов
30,3 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Octen-Embedding-8B
Библиотека
sentence-transformers
Опубликована
25 мая 2026

MathLeap-Octen-8B

ЭмбеддингиТекст → embedding3 профессии

Модель эмбеддингов для семантического поиска и сопоставления математических формулировок на естественном языке и в Lean 4.

126скачиваний за 30 дней1лайквеса обновлены27 мая 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 «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

MathLeap-Octen-8B — модель эмбеддингов объёмом около 8 млрд параметров, разработанная для поиска и сравнения математических текстов. Она дообучена командой uw-math-ai на Octen/Octen-Embedding-8B, которая, в свою очередь, основана на Qwen3-Embedding-8B. Модель использует архитектуру Qwen3 и выдаёт векторы размерности 4096; максимальная длина контекста — 40 960 токенов. Лицензия — Apache-2.0.

Модель сопоставляет неформальные описания математических понятий, типы Lean 4 и полные объявления Lean 4, сближая эмбеддинги математически эквивалентных утверждений с разными формулировками. Она предназначена для семантического поиска по mathlib4, оценки сходства и извлечения признаков для математических NLP-сценариев, в том числе для поиска в системах RAG. В тестах на данных, близких к обучающим, дообучение улучшило поиск по mathlib; при этом результаты на задачах с разговорной математикой и Lean proof states оказались хуже базовой модели.

Модель рассчитана на английский язык и специализированные математические тексты. Она не предназначена для генерации доказательств или ответов на открытые математические вопросы, не обучалась на тактических состояниях Lean и может хуже работать с текстами, существенно отличающимися от стиля обучающих данных. Результаты опубликованных оценок получены в одном запуске обучения, поэтому вариативность качества не изучена.

Сценарии применения

  • поиск объявления Lean 4 по неформальному описанию математического понятия
  • поиск математического описания по типу или объявлению Lean 4
  • сравнение сходства математических утверждений с разными формулировками
  • извлечение эмбеддингов математических текстов для downstream NLP-задач
  • поиск математических документов для RAG-систем

Ограничения

Специализация на mathlib и стиле обучающих формулировок может ухудшать качество на разговорной математике, текстах иных жанров и Lean proof states; кросс-языковой поиск не оценивался. Модель не предназначена для генерации доказательств или открытых математических ответов, а оценки основаны на одном запуске обучения.

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

MathLeap-Octen-8B

An 8B retrieval-tuned embedding model for mathematical text. Fine-tuned from Octen/Octen-Embedding-8B. It's a retrieval-specialized variant of Qwen3-Embedding-8B — on mathlib4 concepts via multi-view contrastive learning. The goal is to embed mathematically equivalent statements close together regardless of the surface language they are written in.

Usage

from huggingface_hub import snapshot_download
from sentence_transformers import SentenceTransformer

# Download model files from anonymous mirror
model_path = snapshot_download(
    repo_id="anonymous-submission/MathLeap-Octen-8B",
    endpoint="https://anonymous-hf.up.railway.app/a/9n9cngyu38hk/", 
)

# Load locally
model = SentenceTransformer(model_path)

query = "For any natural number n, n + 0 = n."
docs = [
    "theorem add_zero (n : ℕ) : n + 0 = n := rfl",
    "theorem mul_zero (n : ℕ) : n * 0 = 0 := rfl",
]
q_emb = model.encode([query])
d_emb = model.encode(docs)
print(q_emb @ d_emb.T)

The model accepts queries and documents interchangeably across three forms: informal natural-language descriptions, Lean 4 type signatures (e.g., α → α → α), and full Lean 4 declarations (e.g., theorem foo (x : ℕ) : ...).

Model details

Base modelOcten/Octen-Embedding-8B (a retrieval-specialized fine-tune of Qwen3-Embedding-8B)
Parameters~8B (decoder-only transformer)
Embedding dimension4096
Max sequence length128 (training); 32K from base
PoolingLast-token
SimilarityCosine, L2-normalized

Training

Data

The training set is derived from FrenzyMath/mathlib_informal_v4.19.0 (Apache 2.0), augmented with LLM-generated natural-language rephrasings. Each mathlib concept has up to four parallel "views":

  • nl_informal: informal natural-language description
  • nl_informal_2: LLM-generated NL rephrasing (~85% of concepts)
  • lean_type: Lean 4 type signature
  • lean_signature: full Lean 4 declaration

Rephrasings were generated by prompting an LLM to first decompose each statement into hypotheses and conclusions, then reassemble them with a different surface form (different variable names, sentence structure, voice, or quantifier ordering) while preserving mathematical content.

The full training set contains 118,334 concepts; held-out evaluation uses 15,287 concepts. Train/dev split is by mathlib module to prevent leakage of structurally related theorems.

Objective

Multi-view contrastive learning with CachedMultipleNegativesRankingLoss (Gao et al., 2021). For each concept, the data loader samples a random view pair as (anchor, positive); other concepts in the same batch serve as in-batch negatives. The cached variant chunks forward passes so that 8B models fit at batch_size 16 on a single 80GB GPU while remaining mathematically equivalent to standard MNRL.

This setup implicitly covers all six retrieval directions across NL and Lean modalities (NL→Lean, Lean→NL, NL↔NL, Lean↔Lean) without explicit direction supervision.

Hyperparameters

LossCachedMultipleNegativesRankingLoss
Cosine similarity scale20.0
OptimizerAdamW
Warmup steps700
Schedulerwarmupconstant
Batch size16
Max sequence length128
Epochs2 (≈ 14,790 steps)
Seed42
Train/dev splitModule-level group split, dev_frac = 0.1
Train concepts118,334
Held-out concepts15,287

Evaluation

In-domain held-out FrenzyMath retrieval (six directions)

R@1 / MRR on the held-out test set (15,287 concepts):

DirectionR@1 base → FTMRR base → FT
Informal → Lean type64.06 → 70.1874.47 → 78.26
Lean type → Informal58.17 → 66.8969.90 → 75.57
Informal → Lean signature56.08 → 67.2466.28 → 76.28
Lean signature → Informal57.44 → 72.7768.48 → 81.37
Lean type → Lean signature60.40 → 65.2669.81 → 73.61
Lean signature → Lean type70.04 → 73.3478.45 → 80.56

All six directions improve, with the largest gains on Lean → Informal directions. Improvements stack on top of the strong retrieval-specialized starting point that Octen-Embedding-8B already provides.

Lean Blueprints retrieval

ModelR@1R@5R@10
Qwen3-Embedding-8B59.5290.1394.11
Octen-Embedding-8B (base)64.3292.6096.37
MathLeap-Qwen-8B64.7393.1096.44
MathLeap-Octen-8B (this)64.6992.8096.92

MIRB (out-of-distribution; nDCG@10)

ModelMO DuplicateMathlib RetrievalLean Premise
Qwen3-Embedding-8B0.8590.5590.136
Octen-Embedding-8B (base)0.8550.6530.143
MathLeap-Qwen-8B0.8210.6530.103
MathLeap-Octen-8B (this)0.8160.6670.103

MathLeap-Octen-8B improves on Mathlib Retrieval (the task closest to the training distribution) but degrades on MathOverflow Duplicate retrieval (which involves conversational math beyond rigorous theorem statements) and Lean Premise retrieval (whose queries are proof states, not represented in our training data).

Intended use

  • Semantic search over mathlib4 declarations (NL → Lean or Lean → NL)
  • Cross-presentation similarity scoring for mathematical statements written in different mathematical sub-languages
  • Embedding feature extraction for downstream math NLP tasks
  • Retrieval-augmented generation in mathematical contexts

Out-of-scope use

  • Open-ended math QA or proof generation (this is a retrieval model)
  • Non-mathematical English text — heavily specialized, no general-purpose embedding ability guaranteed
  • Safety-critical mathematical verification without independent checking
  • Proof-state retrieval (training data does not include tactic-mode Lean)
  • Languages other than English
  • Cross-lingual mathematical retrieval (not evaluated)

Limitations

  1. Same-distribution training: Trained on FrenzyMath-derived data with a particular informalization style. Performance on math text in substantially different registers (conversational math, textbook prose, research-paper exposition) may degrade. We observe this on MathOverflow Duplicate retrieval, where MathLeap-Octen-8B underperforms its base.

  2. No proof-state coverage: Training data contains theorem statements (lean_type, lean_signature) but not Lean proof states. On Lean Premise retrieval (MIRB), where queries are tactic-mode terms, MathLeap-Octen-8B underperforms its base.

  3. Stacked specialization: Since the base (Octen-Embedding-8B) is already a retrieval-specialized fine-tune of Qwen3-Embedding-8B, gains from MathLeap fine-tuning are smaller in absolute magnitude than for the Qwen-base variant. The trade-off pattern across tasks is similar.

  4. Single-seed estimates: All reported numbers are from a single training run with seed 42; training variance is not characterized.

License

Apache 2.0, matching the upstream Octen-Embedding-8B base model and FrenzyMath training data.

Acknowledgments

Built on Octen-Embedding-8B (Octen Team). Training data derived from FrenzyMath's mathlib_informal release. Mathematics from the mathlib4 community.

Как запустить

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

GPU в ailist

Универсальный рантайм · sentence-transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3Model
Ревизия весов
daaf031

0 моделей