原作亲自下场！Mistral首款开源7B Mamba模型「埃及艳后」效果惊艳

　　最近，7B小模型又成为了AI巨头们竞相追赶的潮流。继谷歌的Gemma27B后，Mistral今天又发布了两个7B模型，分别是针对STEM学科的Mathstral，以及使用Mamaba架构的代码模型Codestral Mamba。

　　Mistral又惊喜上新了!

　　就在今天，Mistral发布了两款小模型:Mathstral7B和Codestral Mamba7B。

　　首先是专为数学推理和科学发现设计的Mathstral7B。

　　在MATH基准测试中，它获得了56.6% pass@1的成绩，比Minerva540B提高了20%以上。Mathstral在MATH上的得分为68.4%，使用奖励模型得分为74.6%。

　　而代码模型Codestral Mamba，是首批采用Mamba2架构的开源模型之一。

　　它是可用的7B代码模型中最佳的，使用256k token的上下文长度进行训练。

　　两款模型均在Apache2.0许可证下发布，目前权重都已上传HuggingFace仓库。

　　Mathstral

　　有趣的是，根据官宣文章，Mathstral的发布恰好庆祝了阿基米德2311周年诞辰。

　　Mathstral专为STEM学科设计，以解决需要复杂、多步骤推理的高级数学问题。参数仅有7B，上下文窗口为32k。

　　而且，Mathstral的研发还有一个重量级的合作伙伴——上周刚刚在Kaggle第一届AI奥数竞赛中得到冠军宝座的Numina。

　　而且，有推特网友发现，Mathstral可以正确回答「9.·11和9.9哪个更大」这个难倒一众大模型的问题。

　　整数、小数分开比较，思维链清清楚楚，可以说是数学模型优秀作业的典范了。

　　基于Mistral7B的语言能力，Mathstral进一步聚焦STEM学科。根据MMLU的学科分解结果，数学、物理、生物、化学、统计学、计算机科学等领域都是Mathstral的绝对优势项目。

　　根据官方博客文章的透露，Mathstral似乎牺牲了一些推理速度以换取模型性能，但从测评结果来看，这种权衡是值得的。

　　在多个数学、推理领域的基准测试中，Mathstral打败了Llama38B、Gemma29B等流行的小模型，特别是在AMC2023、AIME2024这类数学竞赛题上达到了SOTA。

　　而且，还可以进一步增加推理时间以取得更好的模型效果。

　　如果对64个候选使用多数投票(majority voting)，Mathstral在MATH上的分数可以达到68.37%，进一步添加额外的奖励模型，还能取得74.59%的高分。

　　除了HuggingFace和la Plateforme平台，还可以调用官方发布的Mistral-finetune和Mistral Inference两个开源SDK，使用或微调模型。

　　Codestral Mamba

　　继沿用Transformer架构的Mixtral系列发布后，第一个采用Mamba2架构的代码生成模型Codestral Mamba也问世了。

　　而且，研发过程也得到了Mamba原作者Albert Gu和Tri Dao的协助。

　　有趣的是，官宣文章专门cue到了和