# 数学推論最適化

量子化処理を施したDeepSeek-R1-0528モデルで、重みをINT4データ型に量子化することで、GPUメモリとディスク容量の要件を大幅に削減します。

Qwen3-30B-A3BのINT4量子化バージョン、重み量子化によりディスクとGPUメモリ要件を75%削減し、高性能を維持。

これはマイクロソフトPhi-4-reasoningモデルの量子化バージョンで、llama.cppを使用して最適化されており、推論タスクに適しており、複数の量子化オプションをサポートしています。

OLMo-2-Instruct-Math-32B は数学タスクに特化した大規模言語モデルで、tngtechによってリリースされました。

OpenMath-Nemotron-1.5BはQwen2.5-Math-1.5BをOpenMathReasoningデータセットでファインチューニングした数学推論モデルで、複数の数学ベンチマークで最先端の結果を達成しています。

Zero-Mistral-24BはMistral-Small-3.1-24B-Instruct-2503を改良した純粋なテキストモデルで、主にロシア語と英語に適応し、元の視覚機能を削除し、テキスト生成タスクに焦点を当てています。

OpenMath2-Llama3.1-8BはLlama3.1-8B-Baseモデルを基に、OpenMathInstruct-2データセットでファインチューニングされた数学専用モデルで、複数の数学ベンチマークテストで優れた性能を発揮します。

Phi-4-reasoning-plus はマイクロソフトリサーチが開発した先進的なオープンウェイト推論モデルで、Phi-4を基に教師ありファインチューニングと強化学習で最適化され、数学、科学、コーディング分野の高度な推論能力に特化しています。

OpenRS3-GRPO-jaはSakanaAI/TinySwallow-1.5B-Instructモデルを日本語数学指示データセットでファインチューニングしたバージョンで、GRPO手法を用いてトレーニングされ、数学推論タスクに特化しています。

OLMo-2-0325-32B-Instructモデルを基に、Open R1数学データセットを使用しAMD MI300X GPU上で微調整され、数学推論能力の向上に特化

Qwen2.5-72Bをベースに強化学習蒸留を行った高性能数学推論・汎用知識処理モデルで、数学推論と汎用知識タスクで優れた性能を発揮します。

数学と汎用推論に最適化された高性能蒸留モデルで、Qwen2.5-72Bを基に強化学習で精製

Qwen/Qwen2.5-7B-Instructをファインチューニングしたバージョンで、高度な推論タスクに特化して最適化されています

Tülu 3は最先端の指示追従モデルファミリーで、完全オープンソースのデータ、コード、トレーニング手法を提供し、現代技術の包括的なガイドとして機能します。バージョン3.1では強化学習フェーズが改善され、性能が全体的に向上しました。

GLM-4-9Bは智譜AIが発表した最新のオープンソース事前学習モデルで、複数のベンチマークテストにおいてLlama-3-8Bを上回り、128Kのコンテキスト長と26言語をサポートしています。

SeaLLM-7B-v2は東南アジア言語向けの最先端多言語大規模モデルで、サイズは半分ながら世界知識、数学推論、指示追従などの多言語タスクでより優れた性能を発揮します。

WestSeverus-7B-DPO-v2はWestSeverus-7Bをベースに訓練された西湖ファミリーモデルで、複数のDPOデータセットで訓練されており、基礎数学問題で優れた性能を発揮します。

Neural-Chat-v3-3はインテルがMistral-7Bアーキテクチャに基づいて開発した70億パラメータの大規模言語モデルで、数学推論とテキスト生成タスクに特化しています。このモデルはMetaMathQAデータセットで微調整され、直接性能最適化(DPO)手法を用いてアライメントされています。