北京
作者｜椰子
邮箱｜lixiaoxian@pingwest.com
这几日，AI 圈又一“震惊”事件！！
不过并不是谁家又推出的新模型有多强，而是包括 GPT-4o、Gemini在内的一系列大模型都算不对 9.11 和 9.9 两个数字谁大谁小。
一个最简单的比大小的数学问题，竟然都做不对，愚蠢的 AI，聪明的人类。
当然，这件事带来的正面反思要比看热闹的意义大得多，在提示词优化和模型的理解方面网友们展开了很多讨论。
事情刚过了一天，有着“欧洲 OpenAI”之称的 Mistral，以希腊数学家阿基米德 2311 年诞辰为名，推出了一款名为Mathstral的模型，专攻数学推理和科学，以及第一个基于Mamba2架构的开源模型——Codestral Mamba（7B），专攻代码生成。
Mistral CEO Arthur Mensch 称这是这家巴黎AI公司对即将在月底召开的巴黎奥运会的献礼。
Mathstral 基于 Mistral 7B 构建，支持的上下文窗口长度为32k，遵循的开源协议为Apache 2.0 license。
从公布的能力上来看，Mathstral 在初等数学（elementary_mathematics）、高中物理（high_school_physics）和大学物理（college_physics），这些领域回答表现最好。在专业会计（professional_accounting）、美国税收政策（us_tax_policy）和人类性学（human_sexuality）这些领域则完全不在行。
Mathstral 在数据集测试中，在具有挑战性的Odyssey Math maj@16和GRE数学测试中表现最好。虽然在解决一般数学问题方面略逊于 DeepSeek Math 7B，但在需要深入推理的难题上展现出了强大的优势。
此外，Mathstral 在 AMC 和 AIME 竞赛中的表现也不容忽视，证明了其在解决竞赛级别数学问题上的潜力。
PS：Qwen2-7B 的数学能力也挺强啊。
几乎是第一时间 Ollma 就上线了对Mathstral的支持。
https://ollama.com/library/mathstral
我们来试一下 Mathstral是不是真的数学强无敌！
1
9.11＞9.9？
第一题就是比大小，结果有点出人意料，在保持同一提示词的前提下，还是算错了。
更换了一下提示词顺序，不仅给出了详细且正确的解题思路，而且答案也是对的。
1
上难度题目测试
难度上升一些，算一道阿基米德分牛问题（Archimedes' Problema Bovinum）。
虽然给出了非常长的解题过程，但是最终的答案还是错误的。不仅答案错误，而且也没能审题。
题干：
太阳神有一牛群，由白、黑、花、棕四种颜色的公、母牛组成。
在公牛中，白牛数多于棕牛数，多出之数相当于黑牛数的1/2+1/3；黑牛数多于棕牛数，多出之数相当于花牛数的1/4+1/5；花牛数多于棕牛数，多出之数相当于白牛数的1/6+1/7.
在母牛中，白牛数是全体黑牛数的1/3+1/4；黑牛数是全体花牛数1/4+1/5；花牛数是全体棕牛数的1/5+1/6；棕牛数是全体白牛数的1/6+1/7.
问这牛群是怎样组成的？
答案：
再算一道证明题。
题干：
答案：
虽然证明的思路和过程是对的，但有很多多余的操作，既没有化简式子，也对后续推导没有帮助。而且在步骤12之后直接应用柯西不等式，跳过了中间的一些关键步骤，使得论证不够严谨。
令人可惜的是，测试了三道题，错了两道，第三道解题还不是那么完美。
初等数学题测试
我们降低一些标准，测试一些初等数学题：
已知不等式 3x-a ≤ 0 的正整数解恰是 1 ， 2 ， 3 ，则 a 的取值范围是？
Mathstral 给出的解题思路和答案都是正确的。
作为一个 7B 规模的模型，Mathstral开箱即用的效果没有想象中那么好，对于复杂逻辑的题目会出现审题不清、逻辑出错等问题。
通过Ollama部署的 Mathstral 推理时间每道题在2-3秒左右，如果提升推理时间，可能会有更好的表现。
在推出 Mathstral 的同一时间，Mistral.AI也推出了其第一个基于Mamba2架构的开源模型——Codestral Mamba（7B）。
我们接下来也会对Codestral Mamba有更详细的体验评测。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
