Model Card for Finetuned Mistral-7B on Orca Math Word Problems
Ce modèle est une version du Mistral-7B finement entraînée avec la technique QLoRA (Low-Rank Adaptation) sur le jeu de données Orca-Math Word Problems pour résoudre des problèmes mathématiques en langage naturel.
Model Details
Model Description
- Developed by: Anthropic
- Model type: Modèle de langage causal (causal language model)
- Language(s) (NLP): Anglais
- Finetuned from model: Mistral-7B-v0.1 de MistralAI
- License: [Plus d'informations nécessaires]
Model Sources
Uses
Direct Use
Le modèle est un modèle de langage causal entraîné sur le jeu de données Orca-Math Word Problems pour résoudre des problèmes mathématiques en langage naturel.
Pour utiliser le modèle, vous pouvez charger le modèle et le tokenizer à partir des chemins locaux, puis générer une sortie avec la méthode generate:
from transformers import AutoModelForCausalLM, AutoTokenizer
model = AutoModelForCausalLM.from_pretrained("/path/to/model")
tokenizer = AutoTokenizer.from_pretrained("/path/to/tokenizer")
prompt = "Given the coherent answer sentence to a given problem as an input sentence..."
input_ids = tokenizer(prompt, return_tensors="pt").input_ids
output = model.generate(input_ids, max_new_tokens=100)
print(tokenizer.decode(output[0], skip_special_tokens=True))
Training Details
Training Data
Dataset: microsoft/orca-math-word-problems-200k
Training Procedure
Preprocessing
def tokenize(prompt):
result = tokenizer(
prompt,
truncation=True,
max_length=512,
padding="max_length",
)
result['labels'] = result['input_ids'].copy()
return result
def generate_and_tokenize_prompt(data_point):
full_prompt = f"""Given the logical, mathematical, and coherent answer to a given problem as an input sentence. The entry contains all the information needed to answer the question.
### Question
{data_point["question"]}
### Logical sentences answers
{data_point["answer"]}
"""
return tokenize(full_prompt)