T-lite-0.1

Т-Банк Создан 20.09.2024 15:54
0.51
Общий результат
137
Место в рейтинге
Слабые задачи:
85
RWSD
249
PARus
226
RCB
350
ruEthics
126
MultiQ
241
ruWorldTree
246
ruOpenBookQA
125
CheGeKa
264
ruMMLU
237
ruHateSpeech
251
ruDetox
335
ruHHH
231
ruTiE
80
ruHumanEval
314
USE
325
MathLogicQA
275
ruMultiAr
288
SimpleAr
116
LCS
444
BPS
110
ruModAr
232
MaMuRAMu
89
ruCodeEval
+19
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.148 Accuracy
RCB 0.537 / 0.448 Accuracy F1 macro
USE 0.122 Grade norm
RWSD 0.612 Accuracy
PARus 0.81 Accuracy
ruTiE 0.688 Accuracy
MultiQ 0.482 / 0.346 F1 Exact match
CheGeKa 0.305 / 0.248 F1 Exact match
ruModAr 0.669 Exact match
MaMuRAMu 0.689 Accuracy
ruMultiAr 0.253 Exact match
ruCodeEval 0.252 / 0.479 / 0.573 Pass@k
MathLogicQA 0.375 Accuracy
ruWorldTree 0.888 / 0.887 Accuracy F1 macro
ruOpenBookQA 0.785 / 0.785 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.689 Accuracy
ruMMLU 0.549 Accuracy
SimpleAr 0.939 Exact match
ruHumanEval 0.266 / 0.497 / 0.579 Pass@k
ruHHH 0.601
ruHateSpeech 0.732
ruDetox 0.18
ruEthics
Правильно Хорошо Этично
Добродетель 0.203 0.208 0.272
Закон 0.232 0.259 0.275
Мораль 0.239 0.24 0.3
Справедливость 0.189 0.207 0.227
Утилитаризм 0.146 0.214 0.254

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
bfloat16
Сид
1234
Батч
1
Версия transformers
4.43.3
Количество GPU и их тип
5 x NVIDIA H100 80GB HBM3
Архитектура
hf

Команда:

Т-Банк

Название ML-модели:

T-lite-0.1

Ссылка на ML-модель:

https://huggingface.co/AnatoliiPotapov/T-lite-0.1

Размер модели

8.0B

Тип модели:

Открытая

Претрейн

Описание архитектуры:

T-lite is a continual pretraining model designed specifically for the Russian language, enabling the creation of large language model applications in Russian. This model aims to improve the quality of Russian text generation and provide domain-specific and cultural knowledge relevant to the Russian context. T-lite is a decoder language model with: • pre-normalization via RMSNorm • SwiGLU activation function • rotary positional embeddings (RoPE) • grouped query attention (GQA) T-lite was trained in bf16.

Описание обучения:

Training Hyperparameters Authors employed the Decoupled AdamW optimizer with β1 = 0.9, β2 = 0.95, and eps = 1.0e-8. The learning rate was set to 1.0e-5 with a constant schedule and a warmup period of 10 steps during stage 1, and a cosine schedule during stage 2. Weight decay was applied at a rate of 1.0e-6, and gradient clipping was performed with a maximum norm of 1.0. The maximum sequence length was set to 8192. Each batch contained approximately 6 million tokens. Hardware Configuration & Performance Training was conducted on 96 A100 GPUs with 80GB memory each, using Fully Sharded Data Parallel (FSDP) with full shard/hybrid shard strategies. The setup achieved a throughput of 3000 tokens/sec/GPU, with 100B tokens being processed in approximately 4 days. We achieved a 0.59 Model FLOPs Utilization (MFU).

Данные претрейна:

Stage 1. Massive continual pre-training • 300B tokens * 0.3 epoch • Proportion of data in Russian is 85%, as a trade-off between language adoptation and English language performance • Styles and topics in Common Crawl (CC) data were downsampled • Domains in book datasets were balanced • Proportion of code data was increased Stage 2 Focuses on refining the quality of the dataset • 20B tokens * 3 epochs • Includes instructional sets of smaller volume • Advertisements and news were aggressively downsampled • Instructions and articles were upsampled • Educational content was balanced

Лицензия:

https://huggingface.co/AnatoliiPotapov/T-lite-0.1/blob/main/LICENSE

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 - 8192

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
T-lite-0.1
Т-Банк
0.367 0.2 0.533 0.133 0.033 0.367 0.067 - 0 0 0 0.033 0.133 0 0 0.15 0 0 0.067 0.033 0.033 0.4 0.067 0.033 0.067 0.133 0.1 0.2 0.1 0.133 0.2
Модель, команда Честность Помощь Безопасность
T-lite-0.1
Т-Банк
0.557 0.593 0.655
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
T-lite-0.1
Т-Банк
0.593 0.506 0.625 0.765 0.621 0.756 0.68 0.627 0.623 0.596 0.289 0.357 0.34 0.657 0.708 0.546 0.65 0.632 0.367 0.672 0.321 0.713 0.35 0.503 0.402 0.62 0.401 0.556 0.682 0.45 0.67 0.719 0.613 0.848 0.6 0.534 0.34 0.723 0.364 0.433 0.727 0.574 0.545 0.424 0.715 0.421 0.725 0.311 0.379 0.52 0.4 0.759 0.582 0.563 0.62 0.691 0.731
Модель, команда SIM FL STA
T-lite-0.1
Т-Банк
0.774 0.666 0.393
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
T-lite-0.1
Т-Банк
0.622 0.782 0.65 0.602 0.75 0.672 0.5 0.684 0.827 0.662 0.692 0.65 0.533 0.721 0.661 0.617 0.738 0.711 0.509 0.719 0.404 0.814 0.622 0.716 0.667 0.742 0.705 0.719 0.912 0.689 0.822 0.744 0.625 0.789 0.621 0.768 0.556 0.778 0.474 0.631 0.767 0.73 0.778 0.6 0.897 0.778 0.862 0.659 0.754 0.877 0.711 0.71 0.734 0.623 0.419 0.573 0.744
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
T-lite-0.1
Т-Банк
0.203 0.232 0.239 0.189 0.146
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
T-lite-0.1
Т-Банк
0.208 0.259 0.24 0.207 0.214
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
T-lite-0.1
Т-Банк
0.272 0.275 0.3 0.227 0.254
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
T-lite-0.1
Т-Банк
0.704 0.657 0.765 0.703 0.571 0.852