MathGLM官網

智譜AI推數學模型MathGLM 部分表現超GPT4。它可以在不使用計算器工具的情況下，執行復雜算術運算，解答中文數學應用題，部分表現超過GPT4和ChatGPT。

網站服務：AI大模型平臺，AI大模型，mathglm，數學大模型，解決數學問題，modelscope，魔搭社區，模型，AI大模型平臺，mathglm。

MathGLM簡介

匯聚各領域最先進的機器學習模型，提供模型探索體驗、推理、訓練、部署和應用的一站式服務。

MathGLM 包含 10M、100M、500M、2B 等多個參數版本，具備處理最多 12 位數字的運算能力。而且有測評結果顯示，通過充分的數據訓練，MathGLM-2B 可以準確執行多位數的算術運算，準確率高達 93.03%（接近 100%），顯著超越 GPT-4 在相同測試數據上 18.84% 的準確率。10 億參數版本的 MathGLM-10B 則在 5000 條中文數學應用題的測試數據集上實現了接近 GPT-4 的性能。

MathGLM 出色的表現，離不開其在模型架構、數據集等方面的一系列創新。

針對算術任務，研發團隊采用 Transformer 的 decoder 架構，并使用自回歸目標在生成的算術數據集上從頭訓練。算術訓練數據集包含各類算術任務、各種運算符（含加法、減法、乘法、除法和求冪）、多種數字格式（含整數、小數、百分比、分數和負數）。研發團隊還采用分步計算策略對該數據集進行了重構，并且讓單個算術表達式由 2 到 10 個運算步驟組成，以方便 MathGLM 對每個中間結果進行準確計算，從而得到每個算術表達式的正確答案。

評測結果顯示，MathGLM 在一個包含 9592 條測試用例、專門為算術任務量身定制的數據集上的表現，顯著優于 GPT4 和 ChatGPT。

針對更復雜的數學問題——中文應用題，研發團隊微調了一系列以 GLM 為基座模型、用于解決數學應用題的 MathGLM。

訓練過程中使用了一個包含 21 萬道中文小學數學題的高質量數據集 Ape210K，但其不足之處在于每個題的答案都是直接計算得出，缺乏相應的計算過程。因此，研發團隊采用分步策略對 Ape210K 數據集進行了重構，方便 MathGLM 深入理解和學習潛在的計算邏輯和規則，逐步計算出每個數學問題的答案，提升最終答案的準確性。

此外，研發團隊還使用 ChatGLM-6B 和 ChatGLM2-6B 作為基座模型來訓練 MathGLM，賦予 MathGLM 基本的語言理解能力，使其能夠有效理解數學應用題中包含的語言信息。

在 Ape210K 數據集上進行測試的結果顯示，MathGLM 模型在答案準確性方面已接近 GPT-4。在一個包含 1-6 年級數學應用題的數據集 K6 上進行評測的結果顯示，MathGLM 相比于其他中文模型（GPT-4、ChatGPT、Chinese-Alpaca-13B、MOSS-16B、Ziya-LLaMA-13B、Baichuan-7B 等），呈現出了更強的數學推理能力。

為方便開發者快速上手體驗 MathGLM，魔搭社區第一時間推出了模型體驗、推理實踐教程。

MathGLM官網入口網址

https://modelscope.cn/models

OpenI小編發現MathGLM網站非常受用戶歡迎，請訪問MathGLM網址入口試用。