项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1086
使用教程
⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。
环境要求
- 能访问 Hugging Face 或 ModelScope 以获取模型权重
- 本地磁盘空间足以存放所选规模的权重文件(72B 体积很大)
- Python 运行环境(项目开发语言为 Python)
安装与启动步骤
-
1确认模型选型
README 提供 1.5B/7B/72B 三种规模:base 适合微调与 few-shot,Instruct 用于对话,按用途挑。
-
2查找模型权重
访问 Hugging Face 或 ModelScope 的 Qwen 组织页,搜索以 Qwen2.5-Math- 开头的检查点即可找到全部模型。
-
3下载选定权重
在对应模型页下载权重文件到本地目录,72B 规模较大,需提前预留充足磁盘空间。
-
4区分模型用途
Qwen2.5-Math-72B 为基座模型,适合 few-shot 推理与微调;72B-Instruct 才是对话模型。
-
5设置评估提示
README 给出评估 Qwen2.5-Math-Instruct 系列时的提示类型配置,运行评估前先设置该变量。
PROMPT_TYPE="qwen25-math-cot"
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
PROMPT_TYPE | 是 | 评估 Qwen2.5-Math-Instruct 系列时指定思维链提示类型 | qwen25-math-cot |
如何确认成功
README 未给出完整启动命令;若能按设置好的 CoT 提示类型正常输出推理过程,即说明配置生效。
常见问题
Q:应该下载哪个模型?
A:需要对话解题选 Qwen2.5-Math-*-Instruct;用于微调或 few-shot 推理选 base 版;需要奖励模型则选 Qwen2.5-Math-RM-72B。
Q:从哪里获取模型权重?
A:访问 Hugging Face 或 ModelScope 的 Qwen 组织页面,搜索以 Qwen2.5-Math- 开头的检查点,即可找到全部开源模型。
Q:README 里有安装命令吗?
A:本次节选只给出模型列表与评估提示类型,未包含依赖安装与完整运行命令,需参考官方文档站点补齐。
Q:72B 模型普通显卡能跑吗?
A:README 未说明硬件要求,但 72B 权重体积很大,通常需要大显存或多卡环境,建议先用 1.5B 跑通流程。
注意事项
- README 节选未提供依赖安装与完整启动命令,实际操作前请查阅官方文档站点。
- Qwen2.5-Math-72B 是基座模型,Qwen2.5-Math-72B-Instruct 才是对话模型,不要混用。
- 评估 Instruct 系列时需按 README 将 PROMPT_TYPE 设为 qwen25-math-cot。
核心亮点
- 在GSM8K和MATH基准上准确率显著高于同尺寸通用模型,数学任务更可靠
- 提供0.5B到72B多规格模型,适配从边缘设备到云端的不同部署需求
- 支持思维链(CoT)推理,并配套奖励模型,便于强化学习调优
不足之处
- 模型聚焦数学领域,泛化到其他NLP任务能力有限
- 文档和社区生态相对薄弱,示例和教程不够丰富
适用场景
- 教育科技:自动解题、数学辅导与作业批改
- 科研辅助:公式推导、数学定理验证
- 金融分析:复杂数值计算与风险评估建模
替代项目
DeepSeekMath、MathGPT、Llemma
同类项目推荐
AI-Engineer-Headquarters
开源
一站式 AI 工程方法论与代码库,助你从实验到落地少走弯路
A collection of scientific methods, processes, algorithms, and systems to build stor···
translations
开源
让浏览器离线翻译,隐私不泄露
The code, training pipeline, and models that power Firefox Translations
ModelsGenesis
开源
用未标注医学影像预训练,让下游任务模型更准更稳
[MICCAI 2019 Young Scientist Award] [MedIA Best Paper Award] Models Genesis: self-su···
Awesome-Interactive-World-Model
开源
一张地图看懂交互式世界模型研究,快速跟上前沿。
Interactive World Model papers organized by core research challenges.
llama.go
开源
纯 Go 跑 LLaMA,不碰 C++ 也能本地推理
llama.go is like llama.cpp in pure Golang!
nixtla
开源
几行代码调用预训练模型,搞定时间序列预测与异常检测。
TimeGPT-2.1: production ready pre-trained Time Series Foundation Model for forecast···
DeepSeek-VL
开源
看懂图片并回答问题的开源多模态大模型
DeepSeek-VL: Towards Real-World Vision-Language Understanding
Bootstrap3D
开源
用合成数据训练多视图扩散模型,让 3D 生成更稳更准
[ICCV-2025] Official implementation of Bootstrap3D: Improving Multi-view Diffusion M···
magikarp
开源
复现论文新方法,快速验证模型训练技巧
Code for the paper "Fishing for Magikarp"
