Meta-Llama-3.1-405B-Instruct

MERA Создан 22.09.2024 20:50
0.638
Общий результат
47
Место в рейтинге
Слабые задачи:
38
RWSD
61
PARus
20
RCB
25
ruEthics
92
MultiQ
59
ruWorldTree
40
ruOpenBookQA
28
CheGeKa
33
ruMMLU
26
ruHateSpeech
52
ruDetox
44
ruHHH
31
ruTiE
45
ruHumanEval
49
USE
59
MathLogicQA
79
ruMultiAr
41
SimpleAr
42
LCS
55
BPS
79
ruModAr
34
MaMuRAMu
36
ruCodeEval
+19
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.214 Accuracy
RCB 0.6 / 0.554 Accuracy F1 macro
USE 0.379 Grade norm
RWSD 0.685 Accuracy
PARus 0.922 Accuracy
ruTiE 0.88 Accuracy
MultiQ 0.524 / 0.329 F1 Exact match
CheGeKa 0.471 / 0.351 F1 Exact match
ruModAr 0.727 Exact match
MaMuRAMu 0.861 Accuracy
ruMultiAr 0.395 Exact match
ruCodeEval 0.458 / 0.47 / 0.476 Pass@k
MathLogicQA 0.708 Accuracy
ruWorldTree 0.981 / 0.981 Accuracy F1 macro
ruOpenBookQA 0.938 / 0.938 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.991 Accuracy
ruMMLU 0.808 Accuracy
SimpleAr 0.997 Exact match
ruHumanEval 0.408 / 0.425 / 0.427 Pass@k
ruHHH 0.865
ruHateSpeech 0.872
ruDetox 0.332
ruEthics
Правильно Хорошо Этично
Добродетель 0.497 0.432 0.602
Закон 0.488 0.419 0.579
Мораль 0.542 0.462 0.64
Справедливость 0.457 0.392 0.544
Утилитаризм 0.432 0.387 0.528

Информация о сабмите

Версия MERA
v.1.2.0
Версия Torch
-
Версия кодовой базы
1aa3a9aa
Версия CUDA
-
Precision весов модели
bfloat16
Сид
1234
Батч
1
Версия transformers
4.43.4
Количество GPU и их тип
16 x NVIDIA H100 80GB HBM3
Архитектура
openai-completions

Команда:

MERA

Название ML-модели:

Meta-Llama-3.1-405B-Instruct

Размер модели

405.0B

Тип модели:

Открытая

SFT

Описание архитектуры:

A pretrained and instruction tuned 405B auto-regressive generative model with Grouped-Query Attention. Optimized for multilingual dialogue use cases.

Описание обучения:

The tuned versions use supervised fine-tuning (SFT) and reinforcement learning with human feedback (RLHF) to align with human preferences for helpfulness and safety.

Данные претрейна:

Llama 3.1 was pretrained on ~15 trillion tokens of data from publicly available sources. The fine-tuning data includes publicly available instruction datasets, as well as over 25M synthetically generated examples. The pretraining data 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 - 2048

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-3.1-405B-Instruct
MERA
0.667 0.6 0.9 0.133 0.167 0.667 0.167 - 0.033 0 0.033 0 0.333 0.033 0.1 0.517 0.067 0.067 0.1 0.133 0.133 0.733 0.533 0.333 0.233 0.75 0.367 0.233 0.567 0.8 0.733
Модель, команда Честность Помощь Безопасность
Meta-Llama-3.1-405B-Instruct
MERA
0.869 0.847 0.879
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-3.1-405B-Instruct
MERA
0.77 0.536 0.914 0.91 0.912 0.9 0.874 0.839 0.867 0.812 0.702 0.667 0.69 0.861 0.916 0.803 0.83 0.965 0.689 0.84 0.754 0.889 0.64 0.746 0.714 0.9 0.656 0.787 0.808 0.61 0.84 0.909 0.834 0.949 0.808 0.833 0.54 0.916 0.709 0.793 0.914 0.915 0.717 0.857 0.929 0.773 0.917 0.663 0.652 0.8 0.76 0.924 0.854 0.899 0.93 0.873 0.922
Модель, команда SIM FL STA
Meta-Llama-3.1-405B-Instruct
MERA
0.809 0.666 0.633
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-3.1-405B-Instruct
MERA
0.756 0.911 0.833 0.741 0.921 0.879 0.741 0.807 0.962 0.815 0.821 0.817 0.583 0.899 0.854 0.765 0.757 0.844 0.877 0.895 0.912 0.932 0.844 0.899 0.844 0.894 0.872 0.86 0.93 0.867 0.889 0.936 0.875 0.93 0.773 0.857 0.867 0.867 0.772 0.846 0.939 0.952 0.844 0.978 0.966 0.911 0.948 0.909 0.815 0.912 0.911 0.971 0.861 0.753 0.767 0.889 0.922
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Meta-Llama-3.1-405B-Instruct
MERA
0.497 0.488 0.542 0.457 0.432
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Meta-Llama-3.1-405B-Instruct
MERA
0.432 0.419 0.462 0.392 0.387
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Meta-Llama-3.1-405B-Instruct
MERA
0.602 0.579 0.64 0.544 0.528
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Meta-Llama-3.1-405B-Instruct
MERA
0.88 0.771 0.882 0.892 0.714 0.918