RAG-MathStar 智数星

基于 RAG（检索增强生成）与大语言模型的算术与数学问题智能解答系统

---

项目简介

RAG-MathStar 智数星是一套专为数学问题解答场景设计的智能系统，融合了大语言模型和检索增强技术（RAG），聚焦提升模型在数学推理、知识整合与解答准确性等方面的表现。系统支持多学段（小学、初中、高中）知识库，面向教育、培训与智能问答等多类应用场景。
我们发布了自有高质量数学推理模型，并联合社区作者提供了多种量化模型版本，极大方便了本地与边缘设备部署。

• 原始模型仓库：Mrpsy/RAG-MathStar
• 量化模型仓库：mradermacher/RAG-MathStar-GGUF

---

项目背景

近年来，AI与深度学习推动自然语言处理和知识获取飞速发展，但数学自动解答依然面临诸如高质量数据缺乏、推理复杂、传统RAG检索效率与精度有限等痛点。
本项目旨在结合自研数据集、高效模型训练和知识库检索，构建面向数学领域的高性能智能问答系统，为教育和科研提供坚实技术支撑。

---

技术方案

数据收集与知识库

• 多渠道收集、筛选和构建高质量数学问答数据集，涵盖小学、初中、高中全学段。
• 支持个性化知识库增删与私有数据上传，满足定制化需求。

模型训练与优化

• 采用 Qwen2.5-3B-Instruct 作为基础模型，针对数学推理领域进行高质量 SFT（监督微调）。
• 引入组相对策略优化（GRPO）强化学习，对难点问题和答案格式进行双重优化。

RAG 智能体创新

• 在传统 RAG 框架基础上，集成智能 Agent 处理模块，动态监控和优化检索与生成。
• 多知识库支持，检索更高效、答案更精准。

WebUI 与交互体验

• 提供现代化 Web 前端，支持对话式问答、思维链路展示和链式推理可视化。
• 多模态输入支持（文本/语音），知识库内容可管理。

---

核心功能

• 算术与数学问题一键解答
• 多学段知识库智能问答
• 推荐式内容推送与推理链路透明化
• 个性化知识库管理和私有文件上传
• 本地、在线双模式灵活部署

---

模型下载与使用

原始模型

• 仓库地址：Mrpsy/RAG-MathStar
• 适合科研开发、二次训练与高性能服务器推理。

GGUF 量化模型

• 仓库地址：mradermacher/RAG-MathStar-GGUF
• 由社区知名作者 mradermacher 基于原始模型高效量化，提供 Q2_K、Q4_K_S、Q6_K、Q8_0、f16 等多版本。
• 适用于 GGML/GGUF 框架，在本地、轻量设备也能高效运行。

使用提示：
如不了解如何加载 GGUF 文件，建议参考 Hugging Face GGUF 文档 或 TheBloke 使用指南。

---

应用对象与场景

• 学生/教师：课内外辅导、数学问题讲解
• 教育机构：智能答疑、个性化学习平台
• 开发者/企业：AI 数学产品与服务集成
• 科研人员：数学自动推理、数据增强

---

环境与工具

• 后端：Python, PyTorch, Docker, Nginx
• 前端：Svelte, Node.js
• 推荐硬件：普通 CPU/GPU 即可，根据量化模型自由适配
• 环境示例：Ubuntu 20.04, Intel i7-6850K, Nvidia 1080Ti 11GB, 32GB RAM

---

在线体验

• 智数星·RAG-MathStar 在线体验地址

---

致谢

• 智数星团队：原始模型训练与系统开发
• mradermacher：模型量化与社区分发支持

---

本项目持续开源，欢迎 Issues、PR 及各类合作交流！