Loading...

数学能力超ChatGPT!上海交大团队登开源榜首

智源社区8个月前发布 智源社区
167 0 0

 Datawhale干货 

发布:上海交大GAIR实验室,编辑:量子位

国产数学大模型,能力已经超过了ChatGPT!

最新榜单中,上海交大GAIR实验室出品的Abel专有大模型:

准确率高达83.6%,在开源模型中位列第一

数学能力超ChatGPT!上海交大团队登开源榜首

团队介绍,该模型是用挪威数学家尼尔斯·阿贝尔(Niels Abel)的名字命名的,以此向阿贝尔在代数和分析方面的开创性工作致敬。

数学能力超ChatGPT!上海交大团队登开源榜首

在GSM8k数据集上,70B参数量的Abel碾压所有开源模型,还超过了ChatGPT。

甚至在新数据集TALSCQ-EN上,Abel的表现比GPT-4还要强。

数学能力超ChatGPT!上海交大团队登开源榜首

而实现这样效果的Abel,成分可以说是十分“单纯”:

  • 没有使用工具

  • 没有使用数学领域的大规模预训练数据

  • 没有使用奖励模型

  • 没有使用RLHF

  • 仅使用有监督精调(Supervised Fine-tuning,SFT)

那么Abel的效果究竟怎么样呢?

成绩超越开源模型SOTA

这里我们选择同样是开源的Llama-2来和Abel对比。

首先来看下这个鸡兔同笼问题的变体:

Brown由牛和鸡一共60只,鸡的数量是牛的两倍,一共有多少条腿?

数学能力超ChatGPT!上海交大团队登开源榜首

这道题Llama-2出师不利,而且不是计算错误,是逻辑上就有问题:

数学能力超ChatGPT!上海交大团队登开源榜首

Abel则成功地解决了这个问题。

数学能力超ChatGPT!上海交大团队登开源榜首

再来看下一个问题:

12,21,6,11和30的中位数与平均数的和是多少?

数学能力超ChatGPT!上海交大团队登开源榜首

两个模型都正确理解了所涉及的概念,但Llama还是在计算和排序上出了错。

数学能力超ChatGPT!上海交大团队登开源榜首

而Abel依旧是正确地做出了这道题:

数学能力超ChatGPT!上海交大团队登开源榜首

再从测试数据上看看Abel的表现。

首先是OpenAI提出的GSM8k数据集(大概是美国高中难度),这份榜单的前十名,Abel占了三个(不同参数规模)。

开源模型当中,70B规模的Abel打败了曾经的SOTA——WizardMath。

如果把商业闭源模型算进来,Abel也仅次于GPT-4、Claude-2和PaLM-2-Flan这些最著名的模型。

甚至ChatGPT也不是Abel的对手。

数学能力超ChatGPT!上海交大团队登开源榜首

地球代表开源模型,锁代表闭源模型

在难度更高的MATH(竞赛题目)数据集中,开源模型的前三名被三个规模的Abel包揽,加上闭源也仅次于Google和OpenAI的产品。

数学能力超ChatGPT!上海交大团队登开源榜首

研究团队还使用了新数据集TALSCQ-EN对Abel进行测试,结果超过了GPT-4

那么,研究团队是怎么调教出这样一款高性能模型的呢?

“保姆级”微调训练策略

核心奥义就是高质量的训练数据。

Abel使用数据是经过精心策划的,不仅包含问题的答案,还要能告诉模型找到正确答案是的方法。

为此,研究团队提出了一种叫做家长监督(Parental Oversight)的“保姆级”微调训练策略。

在家长监督的原则之下,团队仅通过SFT方式就完成了Abel的训练。

为了评价Abel的鲁棒性,研究团队还用GPT4对GSM8k中的数字进行了修改,测试Abel是否依然能解出正确的答案。

结果显示,在调整版GSM8k数据集下,70B参数的Abel鲁棒性超过了同等规模的WizardMath。

数学能力超ChatGPT!上海交大团队登开源榜首

在Abel的介绍的最后,研究团队还留下了一个彩蛋:

Abel的下一代,将进化成为Bernoulli(伯努利)

数学能力超ChatGPT!上海交大团队登开源榜首

不过团队并没有对其中的含义进行说明,我们不妨期待一番。

团队简介

Abel由上海交通大学GAIR(生成式人工智能研究组)团队打造。

该团队还曾推出过大模型高考Benchmark、AIGC事实核查工具Factool等成果。

该小组负责人、清源研究院刘鹏飞副教授同时也是Abel项目的负责人。

对这个数学模型感兴趣的读者,可以到GitHub页面详细了解。

GitHub页面:
https://github.com/GAIR-NLP/abel

数学能力超ChatGPT!上海交大团队登开源榜首
干货学习,三连
© 版权声明

相关文章

暂无评论

暂无评论...