MathGLM包含10M、100M、500M、2B等多個參數版本，具備處理最多12位數字的運算能力。而且有測評結果顯示，通過充分的數據訓練，MathGLM-2B可以準確執行多位數的算術運算，準確率高達93.03%（接近100%），顯著超越GPT-4在相同測試數據上18.84%的準確率。10億參數版本的MathGLM-10B則在5000條中文數學應用題的測試數據集上實現了接近GPT-4的性能。

MathGLM出色的表現，離不開其在模型架構、數據集等方面的一系列創新。

針對算術任務，研發團隊采用Transformer的decoder架構，并使用自回歸目標在生成的算術數據集上從頭訓練。算術訓練數據集包含各類算術任務、各種運算符（含加法、減法、乘法、除法和求冪）、多種數字格式（含整數、小數、百分比、分數和負數）。研發團隊還采用分步計算策略對該數據集進行了重構，并且讓單個算術表達式由 2 到 10 個運算步驟組成，以方便MathGLM對每個中間結果進行準確計算，從而得到每個算術表達式的正確答案。

評測結果顯示，MathGLM在一個包含9592條測試用例、專門為算術任務量身定制的數據集上的表現，顯著優于GPT4和ChatGPT。

針對更復雜的數學問題——中文應用題，研發團隊微調了一系列以GLM為基座模型、用于解決數學應用題的MathGLM。

訓練過程中使用了一個包含21萬道中文小學數學題的高質量數據集Ape210K，但其不足之處在于每個題的答案都是直接計算得出，缺乏相應的計算過程。因此，研發團隊采用分步策略對Ape210K數據集進行了重構，方便MathGLM深入理解和學習潛在的計算邏輯和規則，逐步計算出每個數學問題的答案，提升最終答案的準確性。

此外，研發團隊還使用 ChatGLM-6B 和 ChatGLM2-6B 作為基座模型來訓練 MathGLM，賦予 MathGLM 基本的語言理解能力，使其能夠有效理解數學應用題中包含的語言信息。

在Ape210K數據集上進行測試的結果顯示，MathGLM模型在答案準確性方面已接近GPT-4。在一個包含1-6年級數學應用題的數據集K6上進行評測的結果顯示，MathGLM相比于其他中文模型（GPT-4、ChatGPT、Chinese-Alpaca-13B、MOSS-16B、Ziya-LLaMA-13B、Baichuan-7B等），呈現出了更強的數學推理能力。

為方便開發者快速上手體驗MathGLM，魔搭社區第一時間推出了模型體驗、推理實踐教程。

阿里云魔搭社區是國內規模最大、開發者最活躍的AI模型社區，擁有200多萬開發者，聚集了20多家頭部人工智能機構貢獻的1000多款優質AI模型，為開發者提供一站式的模型體驗、下載、推理、調優、定制等服務，社區模型累計下載量已突破7500萬次?！罢掖竽Ｐ?，上魔搭”正在成為開發者的共識。

附：
MathGLM模型地址：
https://modelscope.cn/models/ZhipuAI/MathGLM/summary

魔搭創空間MathGLM模型體驗鏈接：
https://www.modelscope.cn/studios/ZhipuAI/MathGLM-demo/summary

魔搭教程鏈接：
https://mp.weixin.qq.com/s?__biz=MzkxNTM5NTg2OA==&mid=2247486650&idx=1&sn=b1a729a720947a56a27d64dac1182519&chksm=c15e88c9f62901df978105f8ad084a72e651fbb97a7768b4159ecec751120c9772b795a41524#rd