Meta-Llama-3-70B-Instruct

MERA Создан 22.09.2024 20:45
0.586
Общий результат
77
Место в рейтинге
Слабые задачи:
135
RWSD
142
PARus
48
RCB
196
ruEthics
78
MultiQ
95
ruWorldTree
65
ruOpenBookQA
102
CheGeKa
97
ruMMLU
50
ruHateSpeech
104
ruDetox
38
ruHHH
114
ruTiE
32
ruHumanEval
112
USE
109
MathLogicQA
181
ruMultiAr
121
SimpleAr
167
LCS
61
BPS
74
ruModAr
81
MaMuRAMu
57
ruCodeEval
+19
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.132 Accuracy
RCB 0.584 / 0.491 Accuracy F1 macro
USE 0.289 Grade norm
RWSD 0.581 Accuracy
PARus 0.88 Accuracy
ruTiE 0.798 Accuracy
MultiQ 0.557 / 0.366 F1 Exact match
CheGeKa 0.324 / 0.255 F1 Exact match
ruModAr 0.733 Exact match
MaMuRAMu 0.815 Accuracy
ruMultiAr 0.298 Exact match
ruCodeEval 0.376 / 0.606 / 0.671 Pass@k
MathLogicQA 0.534 Accuracy
ruWorldTree 0.97 / 0.969 Accuracy F1 macro
ruOpenBookQA 0.92 / 0.92 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.99 Accuracy
ruMMLU 0.715 Accuracy
SimpleAr 0.987 Exact match
ruHumanEval 0.501 / 0.674 / 0.72 Pass@k
ruHHH 0.871
ruHateSpeech 0.849
ruDetox 0.288
ruEthics
Правильно Хорошо Этично
Добродетель 0.314 0.371 0.401
Закон 0.316 0.348 0.393
Мораль 0.357 0.389 0.445
Справедливость 0.285 0.344 0.374
Утилитаризм 0.273 0.297 0.339

Информация о сабмите

Версия MERA
v.1.2.0
Версия Torch
2.3.1
Версия кодовой базы
6ec745e0
Версия CUDA
12.1
Precision весов модели
bfloat16
Сид
1234
Батч
1
Версия transformers
4.43.1
Количество GPU и их тип
8 x NVIDIA H100 80GB HBM3
Архитектура
hf

Команда:

MERA

Название ML-модели:

Meta-Llama-3-70B-Instruct

Размер модели

70.6B

Тип модели:

Открытая

SFT

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 6.4M 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 December 2023. The fine-tuning data includes publicly available instruction datasets, as well as over 10M human-annotated examples.

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, ruhumaneval, rucodeeval, rutie - 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-3-70B-Instruct
MERA
0.467 0.4 0.867 0.167 0.067 0.433 0.033 - 0 0 0.033 0.033 0.167 0.1 0 0.417 0.067 0 0.2 0.067 0.067 0.733 0.333 0.2 0.067 0.583 0.233 0.267 0.5 0.567 0.6
Модель, команда Честность Помощь Безопасность
Meta-Llama-3-70B-Instruct
MERA
0.803 0.864 0.948
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-3-70B-Instruct
MERA
0.719 0.53 0.822 0.855 0.83 0.836 0.796 0.733 0.802 0.749 0.596 0.587 0.62 0.815 0.83 0.737 0.81 0.833 0.567 0.802 0.534 0.854 0.46 0.728 0.554 0.84 0.531 0.667 0.731 0.57 0.76 0.826 0.755 0.899 0.758 0.722 0.46 0.871 0.556 0.655 0.864 0.816 0.724 0.684 0.89 0.611 0.907 0.533 0.514 0.723 0.63 0.873 0.779 0.807 0.89 0.824 0.886
Модель, команда SIM FL STA
Meta-Llama-3-70B-Instruct
MERA
0.52 0.726 0.801
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-3-70B-Instruct
MERA
0.733 0.911 0.717 0.685 0.855 0.776 0.655 0.702 0.962 0.769 0.795 0.742 0.625 0.798 0.807 0.716 0.748 0.822 0.807 0.895 0.789 0.898 0.911 0.834 0.867 0.864 0.795 0.754 0.912 0.822 0.867 0.885 0.777 0.912 0.727 0.821 0.8 0.867 0.737 0.815 0.89 0.921 0.911 0.956 0.914 0.889 0.914 0.886 0.8 0.93 0.867 0.884 0.785 0.766 0.744 0.76 0.9
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Meta-Llama-3-70B-Instruct
MERA
0.314 0.316 0.357 0.285 0.273
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Meta-Llama-3-70B-Instruct
MERA
0.371 0.348 0.389 0.344 0.297
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Meta-Llama-3-70B-Instruct
MERA
0.401 0.393 0.445 0.374 0.339
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Meta-Llama-3-70B-Instruct
MERA
0.852 0.743 0.882 0.865 0.571 0.918