/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
MIT
Архитектура
llama · dense
Базовая модель
Llama-3.1-8B
Библиотека
transformers
Опубликована
15 янв 2025

xdg-math-step

Генерация текстаТекст → текст3 профессии

Дообученная модель Llama для пошагового решения математических задач с генерацией текстового ответа.

32скачиваний за 30 дней1лайквеса обновлены19 янв 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 «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.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

xiaodongguaAIGC/xdg-math-step — дообученная на наборе xiaodongguaAIGC/step_sft текстовая модель для пошагового решения математических задач. Она основана на плотной архитектуре Llama и содержит 7,5 млрд параметров; модель предназначена для генерации рассуждений и итогового ответа, который можно оформлять в виде \boxed{}. README показывает пример решения задачи на подсчёт, а также упоминает многократную генерацию с rejection sampling. Модель принимает текст и выдаёт текст; заявленное окно контекста — 131 072 токена. В метаданных указан английский язык. Лицензия — MIT.

Карточка демонстрирует только пример и не приводит оценок точности или подробных инструкций по использованию. Результаты математических рассуждений следует проверять; доступные сведения не подтверждают качество на широком наборе задач.

Сценарии применения

  • пошаговое решение текстовых математических задач
  • генерация объяснения математического решения
  • получение итогового ответа в формате \boxed{}
  • повторная генерация решений с отбором через rejection sampling

Ограничения

Карточка содержит лишь демонстрационный пример и не приводит оценок качества или результатов тестирования. Математические 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

小冬瓜AIGC:Step-Wise数学推理

Test:Colab

result

测试可以rejection sampling多次,以\boxed{}格式输出final asnwer

prompt = 'Tom has 12 apples. He gives 3 apples to each of his 4 friends. After that, he buys 10 more apples. How many apples does Tom have now?'
step_generation(prompt, 128)

result

<|begin_of_text|>###System: You are MA-RLHF Chatbot, you should friendly answer the question
###Question:Solve this math problem using step-by-step reasoning. Require that the output of each step ends with the " [SEP]
" token.
Tom has 12 apples. He gives 3 apples to each of his 4 friends. After that, he buys 10 more apples. How many apples does Tom have now?
###Answer: At first, Tom has 12 apples. [SEP]
He gives 3 apples to each of his 4 friends, so he gives him 4 * 3 = 12 apples. [SEP]
After that, Tom has 12 - 12 = 0 apples left. [SEP]
He buys 10 more apples, so he has 0 + 10 = 10 apples now. [SEP]
Tom has 10 apples now. [SEP]
Answer: 10 [SEP]
I agree. [SEP]
A possible answer.

# Answer

10 [SEP]
<|end_of_text|>

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
ded39ec

0 моделей