SOLAR 10.7B Instruct

Russian_NLP Создан 03.02.2024 13:43

0.469

Общий результат

Сабмит содержит не все обязательные задачи

Оценки по задачам лидерборда

Таблица скроллится влево

Задача	Результат	Метрика
LCS	0.078	Accuracy
RCB	0.523 / 0.503	Accuracy F1 macro
USE	0.04	Grade norm
RWSD	0.654	Accuracy
PARus	0.828	Accuracy
ruTiE	0.7	Accuracy
MultiQ	0.205 / 0.097	F1 Exact match
CheGeKa	0.206 / 0.139	F1 Exact match
ruModAr	0.459	Exact match
ruMultiAr	0.2	Exact match
MathLogicQA	0.396	Accuracy
ruWorldTree	0.884 / 0.884	Accuracy F1 macro
ruOpenBookQA	0.825 / 0.824	Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача

Результат

Метрика

BPS

0.359

Accuracy

ruMMLU

0.698

Accuracy

SimpleAr

0.946

Exact match

ruHumanEval

0.013 / 0.067 / 0.134

Pass@k

ruHHH

0.702

ruHateSpeech

0.747

ruDetox

0.041

ruEthics

	Правильно	Хорошо	Этично
Добродетель	-0.349	-0.391	-0.479
Закон	-0.374	-0.327	-0.451
Мораль	-0.374	-0.385	-0.484
Справедливость	-0.343	-0.339	-0.465
Утилитаризм	-0.297	-0.32	-0.384

Информация о сабмите:

Версия MERA

Версия Torch

Версия кодовой базы

Версия CUDA

Precision весов модели

Сид

Батч

Версия transformers

Количество GPU и их тип

Архитектура

Команда:

Russian_NLP

Название ML-модели:

SOLAR 10.7B Instruct

Ссылка на ML-модель:

https://huggingface.co/upstage/SOLAR-10.7B-Instruct-v1.0

Дополнительные ссылки:

https://arxiv.org/abs/2312.15166 https://huggingface.co/upstage/SOLAR-10.7B-v1.0

Описание архитектуры:

SOLAR 10.7B Instruct is the instructed version of SOLAR-10.7B, an advanced large language model (LLM) with 10.7 billion parameters, demonstrating superior performance in various natural language processing (NLP) tasks.

Описание обучения:

State-of-the-art instruction fine-tuning methods including supervised fine-tuning (SFT) and direct preference optimization (DPO).

Данные претрейна:

SOLAR 10.7B, a large language model (LLM) with 10.7 billion parameters, demonstrating superior performance in various natural language processing (NLP) tasks.

Детали обучения:

The following datasets were used: - c-s-ale/alpaca-gpt4-data (SFT) - Open-Orca/OpenOrca (SFT) - in-house generated data utilizing Metamath(SFT, DPO) - Intel/orca_dpo_pairs (DPO) - allenai/ultrafeedback_binarized_cleaned (DPO)

Лицензия:

cc-by-nc-4.0

Стратегия, генерация и параметры:

Code version v.1.1.0 All the parameters were not changed and are used as prepared by the organizers. Details: - 1 x NVIDIA A100 - dtype auto - Pytorch 2.1.2 + CUDA 12.1 - Transformers 4.36.2 - Context length 4096

Развернуть информацию

Оценки по подкатегориям

Метрика: Точность

Модель, команда	Честность	Помощь	Безопасность
SOLAR 10.7B Instruct Russian_NLP	0.623	0.729	0.759

Модель, команда	Анатомия	Вирусология	Астрономия	Маркетинг	Нутрициология	Социология	Менеджмент	Философия	История древнего мира	Геронтология	Эконометрика	Формальная логика	Факторы глобального значения	Юриспунденция	Микс (разнообразный домен)	Мораль	Бизнес-этика	Биология (школьная)	Физика (школьная)	Человеческая сексуальность	Моральные сценарии	Мировые религии	Общая алгебра	Медицина (школьная)	Машинное обучение	Генетика	Профессиональное законодательство	PR	Безопасность	Химия (школьная)	Компьютерная безопасность	Международное право	Логические ошибки	Политика	Клинические знания	Концептуальная физика	Математика (школьная)	Биология (университетская)	Физика (университетская)	Химия (университетская)	География (университетская)	Профессиональная медицина	Электротехника	Элементарная математика	Психология (университетская)	Статистика (университетская)	История (университетская)	Математика (университетская)	Бухгалтерский учет	Профессиональная психология	Компьютерные науки (уровень колледжа)	Мировая история (университетская)	Макроэкономика	Микроэкономика	Компьютерные науки (университетские)	История европы	Государство и политика
SOLAR 10.7B Instruct Russian_NLP	0.7	0.75	0.5	0.629	0.857	0.9	0.8	0.824	0.6	0.9	0.727	0.6	0.6	0.654	0.727	0.4	0.9	0.704	0.7	1	0.2	0.769	0.9	0.608	0.5	0.818	0.563	0.786	0.9	0.727	0.4	0.667	0.5	0.8	0.727	0.8	0.7	0.762	0.3	0.6	0.759	0.8	0.9	0.6	0.813	0.4	1	0.4	0.7	1	0.727	0.875	0.853	0.733	0.375	0.455	0.741

Модель, команда	SIM	FL	STA
SOLAR 10.7B Instruct Russian_NLP	0.339	0.572	0.183

Правильно

Хорошо

Этично

Модель, команда	Добродетель	Закон	Мораль	Справедливость	Утилитаризм
SOLAR 10.7B Instruct Russian_NLP	-0.349	-0.374	-0.374	-0.343	-0.297

Модель, команда	Добродетель	Закон	Мораль	Справедливость	Утилитаризм
SOLAR 10.7B Instruct Russian_NLP	-0.391	-0.327	-0.385	-0.339	-0.32

Модель, команда	Добродетель	Закон	Мораль	Справедливость	Утилитаризм
SOLAR 10.7B Instruct Russian_NLP	-0.479	-0.451	-0.484	-0.465	-0.384

Модель, команда	Женщины	Мужчины	ЛГБТ	Национальности	Мигранты	Другое
SOLAR 10.7B Instruct Russian_NLP	0.769	0.657	0.647	0.784	0.429	0.803

SOLAR 10.7B Instruct

Оценки по задачам лидерборда

Оценка на открытых задачах:

Информация о сабмите:

Команда:

Название ML-модели:

Ссылка на ML-модель:

Дополнительные ссылки:

Описание архитектуры:

Описание обучения:

Данные претрейна:

Детали обучения:

Лицензия:

Стратегия, генерация и параметры:

Оценки по подкатегориям

Подтвердите удаление сабмита