161 lines
5.8 KiB
Markdown
161 lines
5.8 KiB
Markdown
---
|
||
language:
|
||
- ja
|
||
license: llama3
|
||
base_model: tokyotech-llm/Llama-3.1-Swallow-8B
|
||
library_name: transformers
|
||
tags:
|
||
- fine-tuned
|
||
- japanese
|
||
- math
|
||
- openmath
|
||
- code-generation
|
||
- text-generation
|
||
datasets:
|
||
- nvidia/OpenMathInstruct-1
|
||
pipeline_tag: text-generation
|
||
---
|
||
|
||
# Llama-3.1-Swallow-8B OpenMath Fine-Tuned (T2T)
|
||
|
||
## 概要 / Overview
|
||
|
||
Nextorage **AiDAPTIV+** プラットフォーム上で [Llama-3.1-Swallow-8B](https://huggingface.co/tokyotech-llm/Llama-3.1-Swallow-8B) をフルファインチューニングした、日本語数学文章題解答モデルです。
|
||
|
||
Python コード生成 + コード実行パイプラインと組み合わせることで Exact Match **60.0%** を達成し、商用 API（Claude Sonnet・GPT-4o: 各 56.7%）を上回りました。
|
||
|
||
A full fine-tuned version of [Llama-3.1-Swallow-8B](https://huggingface.co/tokyotech-llm/Llama-3.1-Swallow-8B) for Japanese math word problem solving, trained on AiDAPTIV+ platform by Nextorage.
|
||
Combined with a Python code-execution pipeline, it achieves Exact Match **60.0%** — surpassing Claude Sonnet and GPT-4o (both 56.7%) on the same test set.
|
||
|
||
---
|
||
|
||
## 性能 / Performance
|
||
|
||
テストセット: OpenMath Instruct 日本語版 30件（コード実行パイプライン使用）
|
||
|
||
| モデル | Exact Match |
|
||
|--------|:-----------:|
|
||
| Llama-3.1-Swallow-8B（未FT ベースライン） | 36.7% |
|
||
| Claude Sonnet (format_compliant) | 56.7% |
|
||
| GPT-4o (format_compliant) | 56.7% |
|
||
| **本モデル（Full FT + コード実行パイプライン）** | **60.0%** |
|
||
|
||
> **注**: コード実行パイプラインなしでは 20.0%。パイプラインにより 3 倍の精度向上。
|
||
|
||
---
|
||
|
||
## 使い方 / Usage
|
||
|
||
### 推論スクリプト（コード実行パイプライン付き）
|
||
|
||
```bash
|
||
# 依存パッケージのインストール
|
||
pip install transformers torch
|
||
|
||
# 評価・推論の実行（コード実行パイプライン有効）
|
||
python run_inference.py \
|
||
--model_path /path/to/this/model \
|
||
--test_data /path/to/test.json \
|
||
--code_exec_pipeline \
|
||
--output_dir ./results
|
||
```
|
||
|
||
### Python での直接推論
|
||
|
||
```python
|
||
from transformers import AutoModelForCausalLM, AutoTokenizer
|
||
import torch
|
||
|
||
model_path = "Nextorage/Llama-3.1-Swallow-8B-OpenMath-FT"
|
||
tokenizer = AutoTokenizer.from_pretrained(model_path)
|
||
model = AutoModelForCausalLM.from_pretrained(
|
||
model_path,
|
||
torch_dtype=torch.bfloat16,
|
||
device_map="auto"
|
||
)
|
||
|
||
SYSTEM_PROMPT = """あなたは数学の問題を解く優秀なAIアシスタントです。ステップバイステップで考え、Pythonコードを使って計算し、最終的な答えを明示してください。
|
||
|
||
回答は以下のフォーマットに従ってください：
|
||
1. Pythonコードは <llm-code> と </llm-code> タグで囲んでください
|
||
2. コードの実行結果は <llm-code-output> と </llm-code-output> タグで囲んでください
|
||
3. 最終的な答えは \\boxed{答え} の形式で明示してください"""
|
||
|
||
question = "ジェイデンは8台のおもちゃの車を持っています。3台を友人に譲りました。ジェイデンには何台のおもちゃの車が残っていますか？"
|
||
|
||
messages = [
|
||
{"role": "system", "content": SYSTEM_PROMPT},
|
||
{"role": "user", "content": question},
|
||
]
|
||
input_ids = tokenizer.apply_chat_template(messages, return_tensors="pt").to(model.device)
|
||
output = model.generate(input_ids, max_new_tokens=512)
|
||
print(tokenizer.decode(output[0][input_ids.shape[1]:], skip_special_tokens=True))
|
||
```
|
||
|
||
**期待出力例:**
|
||
```
|
||
Pythonコードを使用してこの問題を解決しましょう。<llm-code>
|
||
initial_cars = 8
|
||
given_away = 3
|
||
remaining = initial_cars - given_away
|
||
print(remaining)
|
||
</llm-code><llm-code-output>
|
||
5
|
||
</llm-code-output>
|
||
したがって、ジェイデンには \boxed{5} 台のおもちゃの車が残っています。
|
||
```
|
||
|
||
---
|
||
|
||
## 学習設定 / Training Configuration
|
||
|
||
| パラメータ | 値 |
|
||
|-----------|-----|
|
||
| ベースモデル | tokyotech-llm/Llama-3.1-Swallow-8B |
|
||
| 手法 | Full Fine-Tuning |
|
||
| 学習データ | OpenMath Instruct 日本語版（9,772件 クリーニング済み） |
|
||
| Learning Rate | 1e-6 |
|
||
| LR Scheduler | cosine |
|
||
| Epoch | 1 |
|
||
| Batch Size (effective) | 32 (per_device=2, grad_accum=16) |
|
||
| Max Seq Length | 2048 |
|
||
| Precision | bf16_mixed |
|
||
| Weight Decay | 0.05 |
|
||
| プラットフォーム | Nextorage AiDAPTIV+ (phisonai2) |
|
||
|
||
### データセット詳細
|
||
|
||
- 元データ: [NVIDIA OpenMathInstruct-1](https://huggingface.co/datasets/nvidia/OpenMathInstruct-1) 日本語翻訳版（全 1,825,008 件）
|
||
- `<llm-code>` タグ付きエントリを抽出後、Python 実行検証でクリーニング（除外率 2.3%）
|
||
- GSM8K・MATH 等の数学ベンチマークを元に構築された数学文章題 + Python コード解答ペア
|
||
|
||
---
|
||
|
||
## 制限事項 / Limitations
|
||
|
||
- 日本語数学文章題（主に GSM8K・MATH 難易度）に特化しており、他タスクの性能は保証されない
|
||
- 最高精度の発揮には Python コード実行パイプライン（`subprocess` 実行環境）が必要
|
||
- 日本語翻訳は機械翻訳を使用しており、一部の表現に不自然さが残る場合がある
|
||
- テストセット 30件での評価結果のため、統計的信頼区間に注意
|
||
|
||
---
|
||
|
||
## ライセンス / License
|
||
|
||
本モデルは [Llama 3.1 Community License](https://llama.meta.com/llama3_1/license/) に基づいています。
|
||
商用利用は条件付きで許可されています。詳細はライセンス全文を参照してください。
|
||
|
||
---
|
||
|
||
## 引用 / Citation
|
||
|
||
```bibtex
|
||
@misc{nextorage-openmath-ft-2026,
|
||
title = {Llama-3.1-Swallow-8B OpenMath Fine-Tuned},
|
||
author = {Nextorage Inc.},
|
||
year = {2026},
|
||
howpublished = {\url{https://huggingface.co/Nextorage/Llama-3.1-Swallow-8B-OpenMath-FT}},
|
||
note = {Full fine-tuned model for Japanese math word problem solving on AiDAPTIV+ platform}
|
||
}
|
||
```
|