Meta-Llama-3.1-8B-Instruct

MERA Создан 22.09.2024 20:54
0.491
Общий результат
162
Место в рейтинге
Слабые задачи:
192
RWSD
203
PARus
171
RCB
354
ruEthics
354
MultiQ
272
ruWorldTree
247
ruOpenBookQA
237
CheGeKa
268
ruMMLU
273
ruHateSpeech
197
ruDetox
217
ruHHH
240
ruTiE
47
ruHumanEval
274
USE
382
MathLogicQA
277
ruMultiAr
314
SimpleAr
249
LCS
114
BPS
114
ruModAr
264
MaMuRAMu
43
ruCodeEval
+19
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.114 Accuracy
RCB 0.55 / 0.477 Accuracy F1 macro
USE 0.147 Grade norm
RWSD 0.562 Accuracy
PARus 0.846 Accuracy
ruTiE 0.684 Accuracy
MultiQ 0.303 / 0.183 F1 Exact match
CheGeKa 0.133 / 0.101 F1 Exact match
ruModAr 0.666 Exact match
MaMuRAMu 0.652 Accuracy
ruMultiAr 0.253 Exact match
ruCodeEval 0.412 / 0.619 / 0.689 Pass@k
MathLogicQA 0.353 Accuracy
ruWorldTree 0.853 / 0.853 Accuracy F1 macro
ruOpenBookQA 0.785 / 0.785 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.975 Accuracy
ruMMLU 0.545 Accuracy
SimpleAr 0.928 Exact match
ruHumanEval 0.402 / 0.602 / 0.659 Pass@k
ruHHH 0.713
ruHateSpeech 0.691
ruDetox 0.206
ruEthics
Правильно Хорошо Этично
Добродетель 0.195 0.281 0.255
Закон 0.199 0.277 0.255
Мораль 0.232 0.301 0.272
Справедливость 0.141 0.238 0.23
Утилитаризм 0.188 0.275 0.248

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
bfloat16
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-Instruct

Размер модели

8.0B

Тип модели:

Открытая

SFT

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. The fine-tuning data includes publicly available instruction datasets, as well as over 25M synthetically generated examples.

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-Instruct
MERA
0.3 0.1 0.567 0.1 0 0.2 0 - 0.067 0.067 0.033 0.033 0 0 0.067 0.333 0.033 0.033 0.033 0.067 0 0.5 0.133 0.067 0.033 0.267 0.033 0.033 0.3 0.2 0.267
Модель, команда Честность Помощь Безопасность
Meta-Llama-3.1-8B-Instruct
MERA
0.656 0.678 0.81
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-Instruct
MERA
0.496 0.428 0.632 0.726 0.644 0.697 0.66 0.595 0.574 0.529 0.421 0.437 0.35 0.676 0.632 0.601 0.67 0.604 0.367 0.641 0.358 0.69 0.37 0.566 0.42 0.62 0.41 0.556 0.71 0.42 0.71 0.777 0.546 0.707 0.574 0.5 0.34 0.706 0.424 0.527 0.692 0.533 0.559 0.43 0.682 0.505 0.686 0.385 0.394 0.511 0.47 0.713 0.541 0.592 0.69 0.745 0.648
Модель, команда SIM FL STA
Meta-Llama-3.1-8B-Instruct
MERA
0.778 0.608 0.489
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-Instruct
MERA
0.556 0.723 0.617 0.611 0.632 0.741 0.534 0.684 0.654 0.569 0.667 0.617 0.467 0.636 0.626 0.58 0.692 0.644 0.439 0.772 0.298 0.712 0.467 0.704 0.667 0.712 0.641 0.596 0.86 0.644 0.756 0.705 0.688 0.807 0.53 0.643 0.511 0.689 0.561 0.6 0.788 0.667 0.667 0.622 0.862 0.844 0.759 0.75 0.677 0.825 0.711 0.652 0.658 0.623 0.605 0.497 0.711
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Meta-Llama-3.1-8B-Instruct
MERA
0.195 0.199 0.232 0.141 0.188
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Meta-Llama-3.1-8B-Instruct
MERA
0.281 0.277 0.301 0.238 0.275
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Meta-Llama-3.1-8B-Instruct
MERA
0.255 0.255 0.272 0.23 0.248
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Meta-Llama-3.1-8B-Instruct
MERA
0.667 0.657 0.706 0.703 0.429 0.77