/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
7,6 млрд
Размер весов
30,3 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-Embedding-8B
Библиотека
sentence-transformers
Опубликована
25 мая 2026

MathLeap-Qwen-8B

ЭмбеддингиТекст → embedding3 профессии

Специализированная модель эмбеддингов для семантического поиска и сопоставления англоязычных математических текстов с объявлениями Lean 4.

141скачиваний за 30 дней1лайквеса обновлены1 окт 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-Qwen-8B — специализированная модель эмбеддингов для поиска и сравнения математических текстов, созданная разработчиками uw-math-ai дообучением Qwen/Qwen3-Embedding-8B. Это плотный трансформер Qwen3 с 7,6 млрд параметров, размерностью эмбеддингов 4096 и контекстом до 40 960 токенов. Модель принимает текстовые описания математических понятий и объявления Lean 4, чтобы находить соответствия между ними и между различными формулировками математических утверждений.

Модель предназначена для семантического поиска по объявлениям mathlib4, поиска Lean-кода по запросу на естественном языке и поиска описаний по Lean-сигнатуре. Она также подходит для оценки смыслового сходства математических высказываний, извлечения эмбеддингов для последующих задач и поиска фрагментов для математических RAG-систем. В тесте AMP модель получила MMR 0,43 со специализированным запросом против 0,32 у базовой модели; на внутреннем тесте поиска по mathlib4 улучшила результаты по всем шести направлениям.

Модель обучалась на англоязычных математических данных, связанных с mathlib4 и Lean 4, методом контрастивного обучения с несколькими представлениями одного понятия. Она не генерирует текст, не предназначена для ответов на открытые математические вопросы или построения доказательств. Качество может снижаться на математическом тексте с непривычным стилем; поиск по Lean proof state не поддерживается, а переносимость результатов между случайными запусками не оценена. Лицензия — Apache-2.0.

Сценарии применения

  • поиск объявлений Lean 4 по описанию математического понятия
  • поиск естественно-языкового описания по Lean-сигнатуре
  • сопоставление математических утверждений с разными формулировками
  • ранжирование математических текстов по смысловому сходству
  • извлечение эмбеддингов для математических NLP-систем
  • поиск контекста для математической RAG-системы

Ограничения

Обучение и оценка ориентированы на англоязычные математические данные и стиль формулировок, близкий к обучающим данным; качество на других регистрах текста может снижаться. Модель не генерирует ответы и доказательства, не поддерживает поиск по Lean proof state, а разброс качества между запусками не оценён.

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-Qwen-8B

A retrieval-tuned embedding model for mathematical text. Fine-tuned from Qwen/Qwen3-Embedding-8B on mathlib4 concepts via multi-view contrastive learning.

On MELD — a benchmark of mathematical statements paired across radically different presentations (e.g., set-theoretic vs. category-theoretic phrasings of the same theorem) — MathLeap-Qwen-8B achieves MMR 0.43, beating its base Qwen3-Embedding-8B (0.32, +0.11) and the retrieval-specialized Octen-Embedding-8B (0.42).

ModelBaseAMP MMR ↑ (specialized prompt)
Qwen3-Embedding-8B—0.32
Octen-Embedding-8BQwen3-8B0.42
MathLeap-Qwen-8B (this)Qwen3-8B0.43

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-Qwen-8B",
    endpoint="https://anonymous-hf.up.railway.app/a/pv25ongyl2qb/ ", 
)

# 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)

Model details

Base modelQwen/Qwen3-Embedding-8B
Parameters~8B (decoder-only transformer)
Embedding dimension4096
Max sequence length128 (training); 32K from base
PoolingLast-token (Qwen3 default)
SimilarityCosine
NormalizationL2

Training

Data

Each concept has up to four parallel representations:

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

See dataset card.

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 batch serve as in-batch negatives. The cached variant chunks forward passes so 8B models fit at batch_size 16 on a single 80GB GPU.

This 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 (sentence-transformers default)
Learning rate2e-5
Warmup steps700
Schedulerwarmupconstant
Batch size16
Max sequence length128
Epochs2
Seed42
Train/dev splitModule-level group split, dev_frac=0.1
Train concepts118,334
Dev concepts (held-out)15,287
n_hard_negs999(0 hn involved)

Evaluation

MELD (cross-presentation equivalence)

MELD pairs theorem statements across different mathematical domains (e.g., set theory ↔ category theory). The benchmark tests whether embedding models recognize semantic equivalence under radical surface variation.

ModelMMR ↑ (specialized prompt)MMR ↑ (no prompt)Mean rank ↓ (specialized)
Qwen3-Embedding-4B0.280.2621.4
Qwen3-Embedding-8B0.320.2816.1
harrier-oss-v1-27b0.330.2615.2
KaLM-Embedding-Gemma3-12B-25110.230.2425.6
Octen-Embedding-8B0.420.4110.3
MathLeap-Qwen-8B (this)0.430.439.7

In-domain held-out retrieval (15,287 dev concepts)

Six retrieval directions, R@1 (base → fine-tuned):

DirectionBaseFine-tunedΔ
NL → Lean type0.6440.813+0.169
NL → Lean signature0.7600.868+0.109
NL rephrasing → Lean signature0.7030.822+0.119
Lean type → Lean signature0.6830.810+0.127
NL rephrasing → NL informal0.8560.925+0.069
Lean signature → NL informal0.6570.855+0.197
Mean+0.132

All six directions improve simultaneously, with the largest gains on cross-modal Lean signature retrieval. See paper Section 5 for analysis of why same-modality directions also improve at n_hard_negs=0.

MIRB (out-of-distribution retrieval)

Performance on selected MIRB tasks (NDCG@10 × 100). Numbers includeded in paper.

Intended use

  • Semantic search over mathlib4 declarations (NL query → Lean retrieval, or Lean query → NL retrieval)
  • Cross-presentation similarity scoring for mathematical statements
  • Embedding feature extraction for downstream math NLP tasks
  • Retrieval-augmented generation in mathematical contexts (combine with a generator LLM)

Out-of-scope use

  • Open-ended mathematical question answering or proof generation — this is a retrieval model and does not generate text
  • Non-mathematical text — heavily specialized; performance on general English embedding tasks may be substantially worse than the base model
  • Safety-critical mathematical verification without independent checking
  • Languages other than English (training data is English-only)
  • Cross-lingual mathematical retrieval (not evaluated)

Limitations

  1. Same-distribution training: Trained on FrenzyMath-derived data which has a particular informalization style. Performance on math text in substantially different registers (e.g., MathOverflow conversational math, textbook prose) may degrade.

  2. Proof-state retrieval not supported: The training data does not include Lean proof states (tactic-mode terms). On benchmarks like MIRB LeanPremiseRetrieval where queries are proof states, this model underperforms the base.

  3. Single-seed estimates: All reported numbers are from a single training run with seed 42. Variance across seeds is not characterized (future work).

  4. No multilingual support: English-only training data.

License

Apache 2.0, matching the upstream Qwen3-Embedding-8B base model and FrenzyMath training data.

Acknowledgments

We thank the Qwen team for releasing Qwen3-Embedding-8B, the FrenzyMath team for releasing the upstream dataset, and the mathlib4 community for the underlying mathematical content.

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
ffe9c2a

0 моделей