自述文件
Mistral AI 将 Mathstral 贡献给科学界，以加强在需要复杂、多步骤逻辑推理的复杂数学问题方面的努力。Mathstral 版本是其支持学术项目的更广泛努力的一部分 - 它是在 Mistral AI 与 Project Numina 合作的背景下产生的。
与当时的艾萨克·牛顿类似，Mathstral 建立在 Mistral 7B 的基础之上，专门针对 STEM 领域。它在其尺寸类别中实现了各种行业标准基准的最先进推理能力。
基准
Mathstral 可以通过更多的推理时间计算获得显著更好的结果：Mathstral 7B 在 MATH 上通过多数投票获得 68.37% 的分数，在 64 个候选人中通过强大的奖励模型获得 74.59% 的分数。