许可证: cc-by-4.0 基础模型:

• Qwen/Qwen2.5-Math-7B 数据集:
• nvidia/OpenMathReasoning 语言:
• en 标签:
• nvidia
• 数学 库名称: transformers

OpenMath-Nemotron-7B

OpenMath-Nemotron-7B 是通过在 OpenMathReasoning 数据集上微调 Qwen/Qwen2.5-Math-7B 创建的。 该模型已准备好用于商业用途。

OpenMath-Nemotron 模型在流行的数学基准测试中取得了最先进的结果。我们以 pass@1 (maj@64) 的形式呈现指标，其中 pass@1 是 64 次生成的平均准确率，maj@64 是多数投票的结果。 有关评估设置的更多详情，请参阅我们的 论文。

我们使用了 OpenMath-Nemotron-14B 的一个版本 模型，在 AIMO-2 Kaggle 竞赛 中获得了第一名！

复现我们的结果

我们用于生成数据和模型的流程是完全开源的！

• 代码
• 模型
• 数据集
• 论文

我们提供了 所有说明 以完全复现我们的结果，包括数据生成。

如何使用这些模型？

我们的模型可以在 3 种推理模式下使用：思维链（CoT）、工具集成推理（TIR）和生成解决方案选择（GenSelect）。

要在 CoT 模式下运行推理，可以使用以下示例代码片段。

import transformers
import torch

model_id = "nvidia/OpenMath-Nemotron-7B"

pipeline = transformers.pipeline(
    "text-generation",
    model=model_id,
    model_kwargs={"torch_dtype": torch.bfloat16},
    device_map="auto",
)

messages = [
    {
        "role": "user", 
        "content": "解决以下数学问题。确保将答案（且仅答案）放在 \\boxed{} 中。\n\n" + 
        "$a^2+6a-7$ 的最小值是多少？"},
]

outputs = pipeline(
    messages,
    max_new_tokens=4096,
)
print(outputs[0]["generated_text"][-1]['content'])

要在 TIR 或 GenSelect 模式下运行推理，我们强烈建议使用我们在 NeMo-Skills 中的参考实现。

请注意，这些模型尚未在通用数据上进行指令调优，因此在数学领域之外可能无法提供良好的答案。

引用

如果您发现我们的工作有用，请考虑引用我们！

@article{moshkov2025aimo2,
  title   = {AIMO-2 获胜解决方案：使用 OpenMathReasoning 数据集构建最先进的数学推理模型},
  author  = {Ivan Moshkov and Darragh Hanley and Ivan Sorokin and Shubham Toshniwal and Christof Henkel and Benedikt Schifferer and Wei Du and Igor Gitman},
  year    = {2025},
  journal = {arXiv preprint arXiv:2504.16891}
}

附加信息

许可证/使用条款:

管理条款：本模型的使用受 CC-BY-4.0 约束。 附加信息：Apache License Version 2.0。

部署地理范围:

全球

使用案例:

本模型旨在促进数学推理领域的研究。

发布日期:  

Huggingface 2025 年 4 月 23 日

模型架构:

架构类型: 仅解码器的 Transformer 语言模型  

网络架构: Qwen2.5

**本模型基于 Qwen2.5-1.5B 开发

** 本模型具有 1.5B 模型参数。

输入:

输入类型: 文本

输入格式: 字符串

输入参数: 一维 (1D)

与输入相关的其他属性: 上下文长度可达 131,072 个标记

输出:

输出类型: 文本

输出格式: 字符串

输出参数: 一维 (1D)

与输出相关的其他属性: 上下文长度可达 131,072 个标记

我们的 AI 模型设计并/或优化为在 NVIDIA GPU 加速系统上运行。通过利用 NVIDIA 的硬件（例如 GPU 核心）和软件框架（例如 CUDA 库），与仅使用 CPU 的解决方案相比，该模型实现了更快的训练和推理时间。

软件集成 :

运行时引擎:

• Tensor RT / Triton
  

支持的硬件微架构兼容性:

• NVIDIA Ampere
  

• NVIDIA Hopper
  

首选操作系统:

• Linux
  

模型版本:

OpenMath-Nemotron-1.5B

OpenMath-Nemotron-7B

OpenMath-Nemotron-14B

OpenMath-Nemotron-32B

伦理考量:

NVIDIA 认为可信 AI 是一项共同责任，我们已制定政策和实践以支持广泛的 AI 应用开发。 当按照我们的服务条款下载或使用时，开发人员应与其内部模型团队合作，以确保该模型满足相关行业和使用案例的要求，并解决意外的产品误用问题。

有关本模型的伦理考量的更详细信息，请参阅 Model Card++ 可解释性、偏见、安全与保障 和 隐私 子卡片。

请在此处报告安全漏洞或 NVIDIA AI 问题 此处。