exaone-deep

exaone-deep 参数量

exaone-deep 模型介绍

exaone-deep Models

EXAONE Deep 包括数学和编码基准在内的各种推理任务中表现出卓越的能力，参数范围从 2.4B 到 32B，由 LG AI Research 开发和发布。

评估结果表明：

• EXAONE Deep 2.4B 优于其他同等规模的模型；
• EXAONE Deep 7.8B 不仅优于同等规模的开放权重模型，还优于专有推理模型 OpenAI o1-mini；
• EXAONE Deep 32B 表现出与领先的开放权重模型相媲美的性能。

代理式人工智能时代即将到来，人工智能可以独立提出假设、验证假设，并在没有人类指令的情况下自主做出决策。增强推理模型的开发对于这一转变至关重要，但确保高性能推理模型并非易事。在全球范围内，只有少数拥有基础模型的公司能够开发自己的高级推理模型。

LG AI Research 现在推出了 EXAONE Deep，这是一款具有增强推理能力的推理人工智能，能够与这些行业领先的模型相媲美。EXAONE Deep 擅长理解数学逻辑、推理科学概念和解决编程问题，使其成为专门用于高级推理的高性能模型。

为了发布 EXAONE Deep，专注于大幅提高数学、科学和编码方面的推理性能，同时确保模型理解和应用各个领域知识的能力。

ollama 调用 exaone-deep 模型

ollama run exaone-deep

使用 EXAONE 模型运行对话推理的代码片段：

推荐使用 transformers v4.43.1 或更高版本。

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer, TextIteratorStreamer
from threading import Thread

model_name = "LGAI-EXAONE/EXAONE-Deep-32B"
streaming = True    # choose the streaming option

model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype=torch.bfloat16,
    trust_remote_code=True,
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained(model_name)

# Choose your prompt:
#   Math example (AIME 2024)
prompt = r"""Let $x,y$ and $z$ be positive real numbers that satisfy the following system of equations:
\[\log_2\left({x \over yz}\right) = {1 \over 2}\]\[\log_2\left({y \over xz}\right) = {1 \over 3}\]\[\log_2\left({z \over xy}\right) = {1 \over 4}\]
Then the value of $\left|\log_2(x^4y^3z^2)\right|$ is $\tfrac{m}{n}$ where $m$ and $n$ are relatively prime positive integers. Find $m+n$.

Please reason step by step, and put your final answer within \boxed{}."""
#   Korean MCQA example (CSAT Math 2025)
prompt = r"""Question : $a_1 = 2$인 수열 $\{a_n\}$과 $b_1 = 2$인 등차수열 $\{b_n\}$이 모든 자연수 $n$에 대하여\[\sum_{k=1}^{n} \frac{a_k}{b_{k+1}} = \frac{1}{2} n^2\]을 만족시킬 때, $\sum_{k=1}^{5} a_k$의 값을 구하여라.

Options :
A) 120
B) 125
C) 130
D) 135
E) 140
 
Please reason step by step, and you should write the correct option alphabet (A, B, C, D or E) within \\boxed{}."""

messages = [
    {"role": "user", "content": prompt}
]
input_ids = tokenizer.apply_chat_template(
    messages,
    tokenize=True,
    add_generation_prompt=True,
    return_tensors="pt"
)

if streaming:
    streamer = TextIteratorStreamer(tokenizer)
    thread = Thread(target=model.generate, kwargs=dict(
        input_ids=input_ids.to("cuda"),
        eos_token_id=tokenizer.eos_token_id,
        max_new_tokens=32768,
        do_sample=True,
        temperature=0.6,
        top_p=0.95,
        streamer=streamer
    ))
    thread.start()

    for text in streamer:
        print(text, end="", flush=True)
else:
    output = model.generate(
        input_ids.to("cuda"),
        eos_token_id=tokenizer.eos_token_id,
        max_new_tokens=32768,
        do_sample=True,
        temperature=0.6,
        top_p=0.95,
    )
    print(tokenizer.decode(output[0]))

AI 扩展阅读：

• msgfmt 命令
• systemd-analyze 命令
• perf 命令
• uptime 命令
• tokei 命令
• tcpflow 命令
• bye 命令
• blkparse 命令
• base32 命令
• eject 命令

发表评论