Meta-Llama-3-8B

MERA Создан 20.09.2024 16:01
0.445
Общий результат
249
Место в рейтинге
Слабые задачи:
187
RWSD
349
PARus
318
RCB
415
ruEthics
345
MultiQ
312
ruWorldTree
317
ruOpenBookQA
177
CheGeKa
313
ruMMLU
327
ruHateSpeech
471
ruDetox
298
ruHHH
359
ruTiE
93
ruHumanEval
333
USE
403
MathLogicQA
297
ruMultiAr
290
SimpleAr
259
LCS
399
BPS
99
ruModAr
287
MaMuRAMu
110
ruCodeEval
+19
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.112 Accuracy
RCB 0.511 / 0.433 Accuracy F1 macro
USE 0.109 Grade norm
RWSD 0.565 Accuracy
PARus 0.69 Accuracy
ruTiE 0.582 Accuracy
MultiQ 0.308 / 0.141 F1 Exact match
CheGeKa 0.179 / 0.135 F1 Exact match
ruModAr 0.697 Exact match
MaMuRAMu 0.625 Accuracy
ruMultiAr 0.248 Exact match
ruCodeEval 0.19 / 0.405 / 0.488 Pass@k
MathLogicQA 0.339 Accuracy
ruWorldTree 0.804 / 0.803 Accuracy F1 macro
ruOpenBookQA 0.693 / 0.692 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.779 Accuracy
ruMMLU 0.51 Accuracy
SimpleAr 0.939 Exact match
ruHumanEval 0.225 / 0.404 / 0.482 Pass@k
ruHHH 0.629
ruHateSpeech 0.645
ruDetox 0.08
ruEthics
Правильно Хорошо Этично
Добродетель 0.209 0.17 0.107
Закон 0.199 0.146 0.117
Мораль 0.198 0.171 0.109
Справедливость 0.177 0.176 0.096
Утилитаризм 0.166 0.128 0.095

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
4.42.3
Количество GPU и их тип
1 x NVIDIA H100 80GB HBM3
Архитектура
hf

Команда:

MERA

Название ML-модели:

Meta-Llama-3-8B

Ссылка на ML-модель:

https://huggingface.co/meta-llama/Meta-Llama-3-8B

Размер модели

8.0B

Тип модели:

Открытая

Претрейн

Дополнительные ссылки:

https://ai.meta.com/research/publications/the-llama-3-herd-of-models

Описание архитектуры:

An auto-regressive language model that uses an optimized transformer architecture, with context length of 8K tokens. The model uses Grouped-Query Attention.

Описание обучения:

Training Time is 1.3M GPU hours on hardware of type H100-80GB.

Данные претрейна:

Llama 3 was pretrained on over 15 trillion tokens. The pretraining data includes data from publicly available sources and has a cutoff of March 2023.

Лицензия:

https://llama.meta.com/llama3/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
Meta-Llama-3-8B
MERA
0.267 0.133 0.5 0.133 0.033 0.133 0 - 0 0.033 0 0 0.1 0 0.133 0.267 0.067 0 0.033 0.033 0 0.333 0.033 0.033 0.067 0.167 0.033 0.033 0.133 0.1 0.133
Модель, команда Честность Помощь Безопасность
Meta-Llama-3-8B
MERA
0.623 0.644 0.621
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
Meta-Llama-3-8B
MERA
0.437 0.5 0.618 0.709 0.614 0.701 0.67 0.608 0.59 0.52 0.333 0.365 0.33 0.565 0.622 0.569 0.6 0.521 0.367 0.565 0.282 0.673 0.31 0.451 0.402 0.6 0.366 0.556 0.682 0.4 0.69 0.752 0.546 0.737 0.543 0.47 0.38 0.642 0.344 0.478 0.641 0.463 0.503 0.379 0.64 0.412 0.672 0.381 0.379 0.495 0.37 0.713 0.515 0.534 0.58 0.697 0.637
Модель, команда SIM FL STA
Meta-Llama-3-8B
MERA
0.868 0.581 0.171
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
Meta-Llama-3-8B
MERA
0.578 0.644 0.567 0.528 0.724 0.69 0.569 0.596 0.692 0.585 0.641 0.625 0.467 0.628 0.602 0.481 0.626 0.667 0.333 0.702 0.421 0.695 0.622 0.609 0.644 0.621 0.667 0.509 0.86 0.644 0.8 0.692 0.607 0.719 0.5 0.661 0.422 0.733 0.386 0.631 0.686 0.698 0.711 0.6 0.862 0.8 0.741 0.659 0.6 0.789 0.667 0.667 0.722 0.584 0.581 0.497 0.744
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Meta-Llama-3-8B
MERA
0.209 0.199 0.198 0.177 0.166
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Meta-Llama-3-8B
MERA
0.17 0.146 0.171 0.176 0.128
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Meta-Llama-3-8B
MERA
0.107 0.117 0.109 0.096 0.095
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Meta-Llama-3-8B
MERA
0.704 0.629 0.529 0.649 0.286 0.623