Meta-Llama-3.1-8B

MERA Создан 20.09.2024 17:20
0.449
Общий результат
241
Место в рейтинге
Слабые задачи:
245
RWSD
306
PARus
265
RCB
381
ruEthics
321
MultiQ
304
ruWorldTree
319
ruOpenBookQA
181
CheGeKa
294
ruMMLU
379
ruHateSpeech
467
ruDetox
294
ruHHH
384
ruTiE
101
ruHumanEval
295
USE
400
MathLogicQA
303
ruMultiAr
261
SimpleAr
238
LCS
369
BPS
90
ruModAr
270
MaMuRAMu
129
ruCodeEval
+19
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.116 Accuracy
RCB 0.527 / 0.455 Accuracy F1 macro
USE 0.132 Grade norm
RWSD 0.546 Accuracy
PARus 0.752 Accuracy
ruTiE 0.56 Accuracy
MultiQ 0.327 / 0.138 F1 Exact match
CheGeKa 0.177 / 0.137 F1 Exact match
ruModAr 0.71 Exact match
MaMuRAMu 0.641 Accuracy
ruMultiAr 0.242 Exact match
ruCodeEval 0.148 / 0.358 / 0.433 Pass@k
MathLogicQA 0.34 Accuracy
ruWorldTree 0.81 / 0.808 Accuracy F1 macro
ruOpenBookQA 0.69 / 0.687 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.842 Accuracy
ruMMLU 0.521 Accuracy
SimpleAr 0.949 Exact match
ruHumanEval 0.195 / 0.372 / 0.445 Pass@k
ruHHH 0.635
ruHateSpeech 0.604
ruDetox 0.081
ruEthics
Правильно Хорошо Этично
Добродетель 0.193 0.198 0.164
Закон 0.184 0.192 0.141
Мораль 0.21 0.199 0.181
Справедливость 0.163 0.205 0.119
Утилитаризм 0.152 0.169 0.179

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
1 x NVIDIA H100 80GB HBM3
Архитектура
hf

Команда:

MERA

Название ML-модели:

Meta-Llama-3.1-8B

Ссылка на ML-модель:

https://huggingface.co/meta-llama/Meta-Llama-3.1-8B

Размер модели

8.0B

Тип модели:

Открытая

Претрейн

Дополнительные ссылки:

https://ai.meta.com/blog/meta-llama-3-1/

Описание архитектуры:

An auto-regressive language model that uses an optimized transformer architecture, with context length of 128k tokens. The model uses Grouped-Query Attention.

Описание обучения:

Training Time is 1.46M GPU hours on hardware of type H100-80GB.

Данные претрейна:

Llama 3.1 was pretrained on over 15 trillion tokens. The pretraining data includes data from publicly available sources and has a cutoff of December 2023.

Лицензия:

https://github.com/meta-llama/llama-models/blob/main/models/llama3_1/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 - 131072

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-3.1-8B
MERA
0.333 0.167 0.567 0.133 0.033 0.133 0 - 0.033 0.033 0 0 0.033 0.033 0.167 0.317 0.067 0 0.067 0 0 0.3 0.067 0.033 0.033 0.25 0.033 0.067 0.2 0.1 0.233
Модель, команда Честность Помощь Безопасность
Meta-Llama-3.1-8B
MERA
0.607 0.644 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
Meta-Llama-3.1-8B
MERA
0.467 0.482 0.638 0.688 0.614 0.751 0.709 0.588 0.552 0.556 0.386 0.421 0.35 0.602 0.625 0.581 0.6 0.576 0.322 0.618 0.283 0.667 0.27 0.48 0.393 0.62 0.37 0.602 0.673 0.37 0.7 0.769 0.528 0.747 0.558 0.462 0.35 0.652 0.404 0.468 0.662 0.471 0.552 0.422 0.646 0.463 0.706 0.396 0.369 0.52 0.46 0.717 0.526 0.542 0.64 0.715 0.642
Модель, команда SIM FL STA
Meta-Llama-3.1-8B
MERA
0.863 0.582 0.181
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-3.1-8B
MERA
0.467 0.723 0.583 0.574 0.697 0.724 0.552 0.632 0.75 0.585 0.641 0.608 0.483 0.651 0.673 0.531 0.701 0.622 0.351 0.702 0.351 0.729 0.533 0.675 0.6 0.606 0.628 0.596 0.842 0.689 0.733 0.744 0.643 0.807 0.561 0.589 0.489 0.689 0.439 0.662 0.714 0.667 0.733 0.644 0.845 0.8 0.759 0.614 0.615 0.807 0.733 0.638 0.747 0.571 0.628 0.462 0.756
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Meta-Llama-3.1-8B
MERA
0.193 0.184 0.21 0.163 0.152
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Meta-Llama-3.1-8B
MERA
0.198 0.192 0.199 0.205 0.169
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Meta-Llama-3.1-8B
MERA
0.164 0.141 0.181 0.119 0.179
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Meta-Llama-3.1-8B
MERA
0.639 0.514 0.412 0.757 0.143 0.607