9月24日消息，智谱AI推出数学模型MathGLM，以提升大语言模型的数学推理能力。它可以在不使用计算器工具的情况下，高效执行复杂算术运算，解答中文数学应用题，部分表现超过GPT4和ChatGPT，目前已在魔搭社区ModelScope全球首发上架。
过往研究认为，大语言模型并不能精确执行高位数的算数运算，尤其是涉及超过8位数的乘法运算以及涉及小数、分数的运算。但MathGLM的出现，足以打破这些偏见。
MathGLM包含10M、100M、500M、2B等多个参数版本，具备处理最多12位数字的运算能力。而且有测评结果显示，通过充分的数据训练，MathGLM-2B可以准确执行多位数的算术运算，准确率高达93.03%（接近100%），显著超越GPT-4在相同测试数据上18.84%的准确率。10亿参数版本的MathGLM-10B则在5000条中文数学应用题的测试数据集上实现了接近GPT-4的性能。
MathGLM出色的表现，离不开其在模型架构、数据集等方面的一系列创新。
针对算术任务，研发团队采用Transformer的decoder架构，并使用自回归目标在生成的算术数据集上从头训练。算术训练数据集包含各类算术任务、各种运算符（含加法、减法、乘法、除法和求幂）、多种数字格式（含整数、小数、百分比、分数和负数）。研发团队还采用分步计算策略对该数据集进行了重构，并且让单个算术表达式由 2 到 10 个运算步骤组成，以方便MathGLM对每个中间结果进行准确计算，从而得到每个算术表达式的正确答案。
评测结果显示，MathGLM在一个包含9592条测试用例、专门为算术任务量身定制的数据集上的表现，显著优于GPT4和ChatGPT。
针对更复杂的数学问题——中文应用题，研发团队微调了一系列以GLM为基座模型、用于解决数学应用题的MathGLM。
训练过程中使用了一个包含21万道中文小学数学题的高质量数据集Ape210K，但其不足之处在于每个题的答案都是直接计算得出，缺乏相应的计算过程。因此，研发团队采用分步策略对Ape210K数据集进行了重构，方便MathGLM深入理解和学习潜在的计算逻辑和规则，逐步计算出每个数学问题的答案，提升最终答案的准确性。
此外，研发团队还使用 ChatGLM-6B 和 ChatGLM2-6B 作为基座模型来训练 MathGLM，赋予 MathGLM 基本的语言理解能力，使其能够有效理解数学应用题中包含的语言信息。
在Ape210K数据集上进行测试的结果显示，MathGLM模型在答案准确性方面已接近GPT-4。在一个包含1-6年级数学应用题的数据集K6上进行评测的结果显示，MathGLM相比于其他中文模型（GPT-4、ChatGPT、Chinese-Alpaca-13B、MOSS-16B、Ziya-LLaMA-13B、Baichuan-7B等），呈现出了更强的数学推理能力。
为方便开发者快速上手体验MathGLM，魔搭社区第一时间推出了模型体验、推理实践教程。
阿里云魔搭社区是国内规模最大、开发者最活跃的AI模型社区，拥有200多万开发者，聚集了20多家头部人工智能机构贡献的1000多款优质AI模型，为开发者提供一站式的模型体验、下载、推理、调优、定制等服务，社区模型累计下载量已突破7500万次。“找大模型，上魔搭”正在成为开发者的共识。
附：
MathGLM模型地址：
https://modelscope.cn/models/ZhipuAI/MathGLM/summary
魔搭创空间MathGLM模型体验链接：
https://www.modelscope.cn/studios/ZhipuAI/MathGLM-demo/summary
魔搭教程链接：
https://mp.weixin.qq.com/s?__biz=MzkxNTM5NTg2OA==&mid=2247486650&idx=1&sn=b1a729a720947a56a27d64dac1182519&chksm=c15e88c9f62901df978105f8ad084a72e651fbb97a7768b4159ecec751120c9772b795a41524#rd
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
