ruGPT-3-medium

RussianNLP Создан 20.09.2024 13:04
0.175
Общий результат
613
Место в рейтинге
Слабые задачи:
599
RWSD
527
PARus
615
RCB
516
ruEthics
567
MultiQ
615
ruWorldTree
607
ruOpenBookQA
482
CheGeKa
612
ruMMLU
623
ruHateSpeech
596
ruDetox
624
ruHHH
593
ruTiE
407
ruHumanEval
437
USE
600
MathLogicQA
571
ruMultiAr
590
SimpleAr
468
LCS
605
BPS
576
ruModAr
614
MaMuRAMu
+18
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.074 Accuracy
RCB 0.311 / 0.156 Accuracy F1 macro
USE 0.07 Grade norm
RWSD 0.365 Accuracy
PARus 0.504 Accuracy
ruTiE 0.451 Accuracy
MultiQ 0.122 / 0.046 F1 Exact match
CheGeKa 0.016 / 0 F1 Exact match
ruModAr 0.001 Exact match
MaMuRAMu 0.229 Accuracy
ruMultiAr 0.009 Exact match
ruCodeEval 0 / 0 / 0 Pass@k
MathLogicQA 0.157 Accuracy
ruWorldTree 0.24 / 0.182 Accuracy F1 macro
ruOpenBookQA 0.26 / 0.206 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.249 Accuracy
ruMMLU 0.22 Accuracy
SimpleAr 0.009 Exact match
ruHumanEval 0.001 / 0.005 / 0.006 Pass@k
ruHHH 0.073
ruHateSpeech 0.215
ruDetox 0.046
ruEthics
Правильно Хорошо Этично
Добродетель 0.008 0.03 0.014
Закон 0.006 0.014 0.011
Мораль 0.006 0.023 0.013
Справедливость 0.015 0.022 0.006
Утилитаризм 0.027 0.036 0.018

Информация о сабмите

Версия MERA
v.1.2.0
Версия Torch
2.3.1
Версия кодовой базы
aec92f8
Версия CUDA
12.1
Precision весов модели
float16
Сид
1234
Батч
1
Версия transformers
4.43.3
Количество GPU и их тип
5 x NVIDIA H100 80GB HBM3
Архитектура
hf

Команда:

RussianNLP

Название ML-модели:

ruGPT-3-medium

Размер модели

355.9M

Тип модели:

Открытая

Претрейн

Описание архитектуры:

ruGPT-3 is a Russian counterpart of GPT-3 (Brown et al., 2020). The model architecture is created using the description by Brown et al. and the GPT-2 code base (Radford et al., 2019) from the Transformers library. ruGPT-3 is pretrained on the language modeling objective. The BBPE tokenizer with the vocabulary size of 5 · 104 tokens was used.

Описание обучения:

The model was pretrained with sequence length 1024 using transformers lib by the SberDevices team on 80B tokens for 3 epochs. After that, the model was finetuned 1 epoch with sequence length 2048. Total training time for ruGPT3-medium has taken 16 days on the cluster of 64 V100-SXM3 GPUs. The initial learning rate of 1e−4 and the Adam optimizer with β1 = 0.9, β2 = 0.99, and ϵ = 1e−8 were used.

Данные претрейна:

450GB of texts. The corpus includes texts from various publicly available resources, which represent diverse domains: Wikipedia, News, Books, Colossal Clean Crawled Corpus, OpenSubtitles.

Лицензия:

MIT

Параметры инференса

Параметры генерации:
simplear - do_sample=false;until=["\n"]; \nchegeka - do_sample=false;until=["\n"]; \nrudetox - do_sample=false;until=["\n"]; \nrumultiar - do_sample=false;until=["\n"]; \nuse - do_sample=false;until=["\n","."]; \nmultiq - do_sample=false;until=["\n"]; \nrumodar - do_sample=false;until=["\n"]; \nruhumaneval - do_sample=true;until=["\nclass","\ndef","\n#","\nif","\nprint"];temperature=0.6; \nrucodeeval - do_sample=true;until=["\nclass","\ndef","\n#","\nif","\nprint"];temperature=0.6;

Размер контекста:
simplear, bps, lcs, chegeka, mathlogicqa, parus, rcb, rudetox, ruhatespeech, rummlu, ruworldtree, ruopenbookqa, rumultiar, use, rwsd, mamuramu, multiq, rumodar, ruethics, ruhhh, rutie, ruhumaneval, rucodeeval - 2048

Оценки по подкатегориям

Метрика: Grade Norm
Модель, команда 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 8_0 8_1 8_2 8_3 8_4
ruGPT-3-medium
RussianNLP
0.1 0.033 0.233 0.167 0 0.067 0 - 0 0.067 0 0.033 0 0 0.033 0.367 0 0 0.067 0 0.067 0 0.033 0 0 0.083 0.1 0.133 0.067 0.033 0.067
Модель, команда Честность Помощь Безопасность
ruGPT-3-medium
RussianNLP
0.033 0.051 0.138
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
ruGPT-3-medium
RussianNLP
0.244 0.229 0.184 0.222 0.206 0.269 0.223 0.174 0.253 0.269 0.158 0.19 0.25 0.241 0.181 0.269 0.25 0.229 0.211 0.206 0.276 0.246 0.24 0.26 0.152 0.28 0.229 0.12 0.184 0.16 0.16 0.264 0.252 0.273 0.23 0.248 0.16 0.252 0.152 0.113 0.197 0.235 0.221 0.175 0.215 0.255 0.23 0.107 0.241 0.243 0.17 0.16 0.256 0.214 0.13 0.145 0.254
Модель, команда SIM FL STA
ruGPT-3-medium
RussianNLP
0.774 0.574 0.157
Модель, команда Анатомия Вирусология Астрономия Маркетинг Питание Социология Менеджмент Философия Предыстория Геронтология Эконометрика Формальная логика Глобальные факты Юриспруденция Разное Моральные споры Деловая этика Биология (колледж) Физика (колле Человеческая сексуальность Моральные сценарии Мировые религии Абстрактная алгебра Медицина (колледж) Машинное обучение Генетика Профессиональное право PR Безопасность Химия (колледж) Компьютерная безопасность Международное право Логические ошибки Политика Клинические знания Концептуальная физика Математика (колледж) Биология (универ) Физика (универ) Химия (универ) География (универ) Проф медицина Электрика Элементарная математика Психология (универ) Статистика (универ) История (универ) Математика (универ) Бухгалтерия Проф психология Коммпьютерные науки (колледж) Мировая история (универ) Макроэкономика Микроэкономика Компьютерные науки (универ) История Европы Государство и политика
ruGPT-3-medium
RussianNLP
0.289 0.198 0.333 0.278 0.171 0.293 0.293 0.246 0.269 0.169 0.154 0.217 0.158 0.333 0.152 0.457 0.168 0.289 0.263 0.298 0.211 0.22 0.156 0.219 0.289 0.258 0.256 0.158 0.298 0.222 0.156 0.256 0.393 0.14 0.182 0.214 0.2 0.156 0.193 0.292 0.22 0.286 0.178 0.289 0.207 0.267 0.155 0.114 0.154 0.175 0.089 0.116 0.241 0.156 0.093 0.31 0.233
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
ruGPT-3-medium
RussianNLP
0.008 0.006 0.006 0.015 0.027
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
ruGPT-3-medium
RussianNLP
0.03 0.014 0.023 0.022 0.036
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
ruGPT-3-medium
RussianNLP
0.014 0.011 0.013 0.006 0.018
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
ruGPT-3-medium
RussianNLP
0.167 0.343 0.118 0.135 0 0.328