Text Industrial Code Multi
Лидерборд Задачи Как работает MERA
Вернуться на лидерборд

Meta-Llama-3-70B-Instruct

MERA Создан 22.09.2024 20:46
0.528
Общий результат
113
Место в рейтинге
Слабые задачи:
313
RWSD
117
PARus
43
RCB
131
ruEthics
31
MultiQ
117
ruWorldTree
89
ruOpenBookQA
94
CheGeKa
94
ruMMLU
166
ruHateSpeech
77
ruDetox
76
ruHHH
98
ruTiE
245
ruHumanEval
113
USE
104
MathLogicQA
104
ruMultiAr
167
SimpleAr
137
LCS
71
BPS
250
ruModAr
86
MaMuRAMu
+18
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.14 Accuracy
RCB 0.587 / 0.493 Accuracy F1 macro
USE 0.281 Grade norm
RWSD 0.519 Accuracy
PARus 0.892 Accuracy
ruTiE 0.807 Accuracy
MultiQ 0.595 / 0.421 F1 Exact match
CheGeKa 0.327 / 0.269 F1 Exact match
ruModAr 0.475 Exact match
MaMuRAMu 0.803 Accuracy
ruMultiAr 0.343 Exact match
ruCodeEval 0 / 0 / 0 Pass@k
MathLogicQA 0.534 Accuracy
ruWorldTree 0.958 / 0.958 Accuracy F1 macro
ruOpenBookQA 0.905 / 0.727 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.986 Accuracy
ruMMLU 0.71 Accuracy
SimpleAr 0.98 Exact match
ruHumanEval 0.012 / 0.012 / 0.012 Pass@k
ruHHH 0.848
ruHateSpeech 0.774
ruDetox 0.31
ruEthics
Правильно Хорошо Этично
Добродетель 0.366 0.396 0.456
Закон 0.356 0.374 0.439
Мораль 0.403 0.423 0.488
Справедливость 0.331 0.348 0.408
Утилитаризм 0.307 0.346 0.38

Информация о сабмите

Версия MERA
v.1.2.0
Версия Torch
2.4.0
Версия кодовой базы
9b26db97
Версия CUDA
12.1
Precision весов модели
bfloat16
Сид
1234
Батч
1
Версия transformers
4.44.2
Количество GPU и их тип
8 x NVIDIA H100 80GB HBM3
Архитектура
vllm

Команда:

MERA

Название ML-модели:

Meta-Llama-3-70B-Instruct

Ссылка на ML-модель:

https://huggingface.co/meta-llama/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, ruworldtree, ruopenbookqa, rumultiar, use, rwsd, mamuramu, rummlu, multiq, rumodar, ruethics, ruhhh, ruhumaneval, rucodeeval - 8192 \nrutie - 2000 \nrutie - 5000

Системный промпт:
Реши задачу по инструкции ниже. Не давай никаких объяснений и пояснений к своему ответу. Не пиши ничего лишнего. Пиши только то, что указано в инструкции. Если по инструкции нужно решить пример, то напиши только числовой ответ без хода решения и пояснений. Если по инструкции нужно вывести букву, цифру или слово, выведи только его. Если по инструкции нужно выбрать один из вариантов ответа и вывести букву или цифру, которая ему соответствует, то выведи только эту букву или цифру, не давай никаких пояснений, не добавляй знаки препинания, только 1 символ в ответе. Если по инструкции нужно дописать код функции на языке Python, пиши сразу код, соблюдая отступы так, будто ты продолжаешь функцию из инструкции, не давай пояснений, не пиши комментарии, используй только аргументы из сигнатуры функции в инструкции, не пробуй считывать данные через функцию input. Не извиняйся, не строй диалог. Выдавай только ответ и ничего больше.

Описание темплейта:
{% set loop_messages = messages %}{% for message in loop_messages %}{% set content = '<|start_header_id|>' + message['role'] + '<|end_header_id|> \n \n'+ message['content'] | trim + '<|eot_id|>' %}{% if loop.index0 == 0 %}{% set content = bos_token + content %}{% endif %}{{ content }}{% endfor %}{% if add_generation_prompt %}{{ '<|start_header_id|>assistant<|end_header_id|> \n \n' }}{% endif %}

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 		0.333 0.4 0.767 0.267 0.067 0.433 0.067 - 0.033 0.033 0.067 0 0.2 0.033 0 0.467 0.067 0 0.033 0.033 0.067 0.733 0.267 0.333 0.167 0.592 0.167 0.233 0.6 0.333 0.533
Модель, команда Честность Помощь Безопасность
Meta-Llama-3-70B-Instruct
MERA 		0.836 0.797 0.914
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 		0.696 0.512 0.829 0.842 0.84 0.811 0.748 0.73 0.799 0.758 0.596 0.556 0.62 0.806 0.83 0.714 0.77 0.826 0.556 0.802 0.566 0.83 0.49 0.734 0.545 0.84 0.535 0.648 0.751 0.56 0.79 0.876 0.724 0.899 0.736 0.726 0.47 0.874 0.563 0.635 0.848 0.809 0.697 0.668 0.88 0.597 0.877 0.489 0.528 0.693 0.62 0.865 0.777 0.786 0.83 0.812 0.865
Модель, команда SIM FL STA
Meta-Llama-3-70B-Instruct
MERA 		0.602 0.695 0.784
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 		0.644 0.881 0.767 0.667 0.855 0.81 0.621 0.702 0.923 0.785 0.769 0.758 0.633 0.791 0.813 0.765 0.729 0.778 0.737 0.86 0.772 0.898 0.889 0.817 0.822 0.803 0.846 0.772 0.912 0.778 0.844 0.859 0.768 0.912 0.712 0.821 0.8 0.844 0.719 0.738 0.894 0.889 0.822 0.978 0.914 0.889 0.914 0.864 0.769 0.93 0.822 0.884 0.785 0.727 0.721 0.731 0.856
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Meta-Llama-3-70B-Instruct
MERA 		0.366 0.356 0.403 0.331 0.307
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Meta-Llama-3-70B-Instruct
MERA 		0.396 0.374 0.423 0.348 0.346
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Meta-Llama-3-70B-Instruct
MERA 		0.456 0.439 0.488 0.408 0.38
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Meta-Llama-3-70B-Instruct
MERA 		0.769 0.629 0.647 0.811 0.714 0.885

MERA

Полезные ссылки

© 2025 MERA. Все права защищены.
Пользовательское соглашение Политика конфиденциальности

Мы используем файлы cookies для хранения данных. Продолжая использовать сайт, вы даете согласие на работу с этими файлами