---
language:
- ja
license: mit
library_name: transformers
tags:
- math
- chain-of-thought
- reasoning
- japanese
- sft
- llm-jp
base_model: llm-jp/llm-jp-4-8b-v4-8b-decay2m-ipt_v3.1-instruct4
pipeline_tag: text-generation
---

# acro-yamalex-llmjp-4-math-cot（モデル）

日本語数学推論のためのChain-of-Thought (CoT) モデルです。
[llm-jp-4-8b](https://huggingface.co/llm-jp/llm-jp-4-8b-v4-8b-decay2m-ipt_v3.1-instruct4)をベースに、306,366件の日本語CoTデータセットでSFT（教師あり微調整）を行いました。

本モデルは[FT-LLM2026コンペティション](https://llm-jp.github.io/tuning-competition/)における我々のアプローチの中間成果物です。このCoTモデルをベースとして、さらにTIRデータでSFTを行い最終モデルを構築しています。

## モデル概要

| 項目 | 値 |
|---|---|
| ベースモデル | [llm-jp-4-8b](https://huggingface.co/llm-jp/llm-jp-4-8b-v4-8b-decay2m-ipt_v3.1-instruct4) (80億パラメータ) |
| 学習手法 | SFT（教師あり微調整）/ フルパラメータ |
| 学習データ | 日本語CoTデータセット（306,366件） |
| フレームワーク | NeMo + Megatron-LM |
| 精度 | bf16-mixed |

## 学習設定

[OpenMathReasoning](https://arxiv.org/abs/2504.16891)（NVIDIAのAIMO-2優勝手法）の学習手法に倣い、以下の設定でSFTを実施しました。

| パラメータ | 値 |
|---|---|
| 学習率 | 2e-5 |
| エポック数 | 2 |
| バッチサイズ | 96 |
| 最大系列長 | 4,096 |
| オプティマイザ | AdamW (β₁=0.9, β₂=0.98) |
| 重み減衰 | 0.1 |
| ウォームアップ | 20 steps |
| スケジューラ | CosineAnnealing |
| 精度 | bf16-mixed |
| PEFT | なし（フルパラメータ） |

## 学習データ

StackMathQAの問題に対してDeepSeek V3を用いて日本語CoT形式の解法を生成し、回答検証（文字列一致・数値比較・LLMジャッジ）を経て306,366件のデータを構築しました。

詳細は[CoTデータセットのページ](https://huggingface.co/datasets/AcroYAMALEX/acro-yamalex-llmjp-4-math-cot)を参照してください。

## 使い方

```python
from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "AcroYAMALEX/acro-yamalex-llmjp-4-math-cot"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name, torch_dtype="bfloat16", device_map="auto")

prompt = """あなたは熟練した数学の専門家であり、注意深い問題解決者です。与えられた数学の問題に対して、ステップバイステップで思考し、最終的な答えを \\boxed{...} で示してください。

### 指示:
1から100までの自然数の和を求めてください。

### 応答:
"""

inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=2048, temperature=0.7)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))
```

## 入出力フォーマット

### 入力

システムプロンプトで数学の専門家としての役割を指定し、ユーザーメッセージとして数学の問題を与えます。

### 出力

`<think>`タグで囲まれた思考過程と、`\boxed{}`形式の最終回答を生成します。

```
<think>
1からnまでの自然数の和の公式は n(n+1)/2 です。
n = 100 を代入すると...
</think>
1から100までの自然数の和は、公式 n(n+1)/2 を用いて計算できます。

$$\frac{100 \times 101}{2} = 5050$$

$$\boxed{5050}$$
```

## 関連リソース

| リソース | リンク |
|---|---|
| CoTデータセット | [AcroYAMALEX/acro-yamalex-llmjp-4-math-cot](https://huggingface.co/datasets/AcroYAMALEX/acro-yamalex-llmjp-4-math-cot) |
| TIRデータセット | [AcroYAMALEX/acro-yamalex-llmjp-4-math-tir](https://huggingface.co/datasets/AcroYAMALEX/acro-yamalex-llmjp-4-math-tir) |
| TIRモデル（最終モデル） | [AcroYAMALEX/acro-yamalex-llmjp-4-math-tir](https://huggingface.co/AcroYAMALEX/acro-yamalex-llmjp-4-math-tir) |
| 論文 | NLP2026にて発表予定 |

## 参考文献

- Ivan Moshkov et al. "AIMO-2 Winning Solution: Building State-of-the-Art Mathematical Reasoning Models with OpenMathReasoning dataset." arXiv:2504.16891, 2025.
- Ting Zhang et al. "StackMathQA: A Curated Collection of 2 Million Mathematical Questions and Answers Sourced from Stack Exchange." 2024.
- DeepSeek-AI. "DeepSeek-V3 Technical Report." arXiv:2412.19437, 2024.

## 著者

佐々木峻・山本大輝・樋口慎・吉岡駿（アクロクエストテクノロジー株式会社）

## ライセンス

MIT License