Дом
Mistral AI открыла исходный код Leanstral 1.5, чтобы снизить барьеры в области математических исследований
Компания Mistral AI недавно выпустила модель с открытым исходным кодом под названием Leanstral1.5, разработанную специально для языка математических формальных доказательств Lean4. Эта модель, распространяемая по лицензии Apache-2.0, содержит в общей сложности 119 млрд параметров, из которых активированы лишь 6 млрд, что позволяет сохранить высокую производительность при значительном сокращении затрат.
Являясь специализированным инструментом для математического рассуждения, Leanstral1.5 демонстрирует впечатляющие результаты. В авторитетном тесте miniF2F по формальной математике она достигла 100% показателя выполнения как на валидационном, так и на тестовом наборах. При решении сложных задач конкурса PutnamBench модель успешно решила 587 из 672 вопросов на языке Lean4. Она также продемонстрировала отличные результаты в серии тестов FATE по абстрактной алгебре, показав 87% успешности на тесте FATE-H уровня магистратуры и 34% успешности на тесте FATE-X уровня докторантуры — установив новый рекорд для моделей данного типа.

Еще одним ключевым преимуществом этого релиза является экономическая эффективность. Компания Mistral AI подчеркивает, что по сравнению с существующими альтернативами Leanstral1.5 значительно снижает затраты на научные эксперименты методом проб и ошибок. Например, решение задачи из набора PutnamBench с помощью Leanstral1.5 обходится в среднем всего в 4 доллара, тогда как аналогичная модель Seed-Prover1.5 стоит более 300 долларов, а Aleph Prover — от 54 до 68 долларов. Ожидается, что такое резкое снижение затрат позволит вывести высокоточную помощь в составлении математических доказательств за пределы лабораторий и сделать её доступной для более широкого использования в научных исследованиях.
В практических сценариях разработки кода Leanstral1.5 также демонстрирует высокую способность к обнаружению ошибок. При тестировании на 57 репозиториях кода он выявил 47 нарушений, 11 из которых были подтверждены как подлинные дефекты. Примечательно, что о пяти из этих уязвимостей ранее никогда не сообщалось на GitHub, что подчеркивает потенциал модели в оказании помощи при верификации программ и проведении аудитов безопасности.
Благодаря выпуску Leanstral1.5 с открытым исходным кодом области математики и информатики получают более легкий доступ к мощному инструменту помощи в доказательствах. За счет сокращения как вычислительных, так и финансовых затрат эта модель призвана ускорить внедрение формальных математических доказательств, помогая исследователям выйти за рамки утомительных вычислений и верификации и сосредоточиться на фундаментальных научных прорывах.
Связанная статья
Генеральный директор DeepMind Хассабис: я сплю шесть часов в день, обычно чувствую прилив энергии около часа ночи.
В недавнем интервью журналу Fortune генеральный директор Google DeepMind Демис Хаассабис раскрыл свой нестандартный подход к отдыху и продуктивности. Хаассабис признался, что спит очень мало, распределяя свои бодрствующие часы на два отдельных рабочи
OpenAI и Anthropic борются за долю рынка, несмотря на снижение выручки
Несмотря на недавние сообщения о том, что OpenAI не достигла целевых показателей по выручке, что во вторник оказало давление на акции технологических компаний, частные инвесторы, вкладывающие средства
Соблюдение требований к автономным транспортным средствам в Калифорнии: новая эра штрафов, геозоны и 1 млн миль
Компания Guident эксплуатирует шаттл AuveTech в Южной Флориде, обслуживая маршрут протяженностью четыре мили в Вест-Палм-Бич и маршрут протяженностью одну милю в Бока-Ратоне с использованием своей тех
Рекомендации по связанным специальным темам
Комментарии (0)
Компания Mistral AI недавно выпустила модель с открытым исходным кодом под названием Leanstral1.5, разработанную специально для языка математических формальных доказательств Lean4. Эта модель, распространяемая по лицензии Apache-2.0, содержит в общей сложности 119 млрд параметров, из которых активированы лишь 6 млрд, что позволяет сохранить высокую производительность при значительном сокращении затрат.
Являясь специализированным инструментом для математического рассуждения, Leanstral1.5 демонстрирует впечатляющие результаты. В авторитетном тесте miniF2F по формальной математике она достигла 100% показателя выполнения как на валидационном, так и на тестовом наборах. При решении сложных задач конкурса PutnamBench модель успешно решила 587 из 672 вопросов на языке Lean4. Она также продемонстрировала отличные результаты в серии тестов FATE по абстрактной алгебре, показав 87% успешности на тесте FATE-H уровня магистратуры и 34% успешности на тесте FATE-X уровня докторантуры — установив новый рекорд для моделей данного типа.

Еще одним ключевым преимуществом этого релиза является экономическая эффективность. Компания Mistral AI подчеркивает, что по сравнению с существующими альтернативами Leanstral1.5 значительно снижает затраты на научные эксперименты методом проб и ошибок. Например, решение задачи из набора PutnamBench с помощью Leanstral1.5 обходится в среднем всего в 4 доллара, тогда как аналогичная модель Seed-Prover1.5 стоит более 300 долларов, а Aleph Prover — от 54 до 68 долларов. Ожидается, что такое резкое снижение затрат позволит вывести высокоточную помощь в составлении математических доказательств за пределы лабораторий и сделать её доступной для более широкого использования в научных исследованиях.
В практических сценариях разработки кода Leanstral1.5 также демонстрирует высокую способность к обнаружению ошибок. При тестировании на 57 репозиториях кода он выявил 47 нарушений, 11 из которых были подтверждены как подлинные дефекты. Примечательно, что о пяти из этих уязвимостей ранее никогда не сообщалось на GitHub, что подчеркивает потенциал модели в оказании помощи при верификации программ и проведении аудитов безопасности.
Благодаря выпуску Leanstral1.5 с открытым исходным кодом области математики и информатики получают более легкий доступ к мощному инструменту помощи в доказательствах. За счет сокращения как вычислительных, так и финансовых затрат эта модель призвана ускорить внедрение формальных математических доказательств, помогая исследователям выйти за рамки утомительных вычислений и верификации и сосредоточиться на фундаментальных научных прорывах.
Генеральный директор DeepMind Хассабис: я сплю шесть часов в день, обычно чувствую прилив энергии около часа ночи.
В недавнем интервью журналу Fortune генеральный директор Google DeepMind Демис Хаассабис раскрыл свой нестандартный подход к отдыху и продуктивности. Хаассабис признался, что спит очень мало, распределяя свои бодрствующие часы на два отдельных рабочи
OpenAI и Anthropic борются за долю рынка, несмотря на снижение выручки
Несмотря на недавние сообщения о том, что OpenAI не достигла целевых показателей по выручке, что во вторник оказало давление на акции технологических компаний, частные инвесторы, вкладывающие средства











