Llemma : Un modèle de langage ouvert pour les mathématiques

Llemma: An Open Language Model For Mathematics

October 16, 2023

Auteurs: Zhangir Azerbayev, Hailey Schoelkopf, Keiran Paster, Marco Dos Santos, Stephen McAleer, Albert Q. Jiang, Jia Deng, Stella Biderman, Sean Welleck

cs.AI

Résumé

Nous présentons Llemma, un grand modèle de langage dédié aux mathématiques. Nous avons poursuivi le pré-entraînement de Code Llama sur le Proof-Pile-2, un mélange d'articles scientifiques, de données web contenant des mathématiques et de code mathématique, ce qui a donné naissance à Llemma. Sur le benchmark MATH, Llemma surpasse tous les modèles de base ouverts connus, ainsi que la suite de modèles Minerva non publiée, sur une base équi-paramétrique. De plus, Llemma est capable d'utiliser des outils et de réaliser des preuves de théorèmes formels sans aucun ajustement supplémentaire. Nous rendons publics tous les artefacts, y compris les modèles de 7 milliards et 34 milliards de paramètres, le Proof-Pile-2, ainsi que le code pour reproduire nos expériences.

English

We present Llemma, a large language model for mathematics. We continue pretraining Code Llama on the Proof-Pile-2, a mixture of scientific papers, web data containing mathematics, and mathematical code, yielding Llemma. On the MATH benchmark Llemma outperforms all known open base models, as well as the unreleased Minerva model suite on an equi-parameter basis. Moreover, Llemma is capable of tool use and formal theorem proving without any further finetuning. We openly release all artifacts, including 7 billion and 34 billion parameter models, the Proof-Pile-2, and code to replicate our experiments.