许可证：cc-by-4.0
基础模型：

• Qwen/Qwen2.5-14B
  数据集：
• nvidia/OpenMathReasoning
  语言：
• en
  标签：
• nvidia
• math
  库名称：transformers

OpenMath-Nemotron-14B-Kaggle

OpenMath-Nemotron-14B-Kaggle 是通过在 OpenMathReasoning 数据集的子集上微调 Qwen/Qwen2.5-14B 创建的。
该模型曾用于我们在 AIMO-2 Kaggle 竞赛 中获得第一名的提交！

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。
关于评估设置的更多细节，请参阅我们的 论文。

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？

该模型始终会使用代码执行来解决数学问题，因此我们强烈建议使用我们在 NeMo-Skills 中的参考实现 运行推理。

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

引用

如果您觉得我们的工作有用，请考虑引用我们！

@article{moshkov2025aimo2,  
  title   = {AIMO-2 Winning Solution: Building State-of-the-Art Mathematical Reasoning Models with OpenMathReasoning dataset},  
  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：该模型的使用受 CC-BY-4.0 约束。
附加信息：Apache License Version 2.0。

部署地域：

全球

使用案例：

该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： Transformer 仅解码器语言模型

网络架构： Qwen2.5

该模型基于 Qwen2.5-1.5B 开发

该模型具有 15 亿参数。

输入：

输入类型： 文本

输入格式： 字符串

输入参数： 一维 (1D)

其他与输入相关的属性： 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)

其他与输出相关的属性： 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），该模型相比仅使用 CPU 的解决方案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 AI 应用的开发。当按照我们的服务条款下载或使用时，开发者应与其内部模型团队合作，确保该模型满足相关行业和用例的要求，并解决意外的产品滥用问题。

关于该模型的伦理考量的更多详细信息，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 相关问题 here。