Yi-34B

MERA Создан 22.09.2024 22:10
0.44
Общий результат
258
Место в рейтинге
Слабые задачи:
231
RWSD
339
PARus
176
RCB
452
ruEthics
503
MultiQ
307
ruWorldTree
305
ruOpenBookQA
336
CheGeKa
276
ruMMLU
328
ruHateSpeech
452
ruDetox
361
ruHHH
275
ruTiE
155
ruHumanEval
269
USE
213
MathLogicQA
262
ruMultiAr
187
SimpleAr
360
LCS
415
BPS
105
ruModAr
301
MaMuRAMu
152
ruCodeEval
+19
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.092 Accuracy
RCB 0.55 / 0.506 Accuracy F1 macro
USE 0.152 Grade norm
RWSD 0.55 Accuracy
PARus 0.708 Accuracy
ruTiE 0.658 Accuracy
MultiQ 0.184 / 0.114 F1 Exact match
CheGeKa 0.061 / 0.034 F1 Exact match
ruModAr 0.687 Exact match
MaMuRAMu 0.605 Accuracy
ruMultiAr 0.261 Exact match
ruCodeEval 0.091 / 0.231 / 0.305 Pass@k
MathLogicQA 0.44 Accuracy
ruWorldTree 0.806 / 0.804 Accuracy F1 macro
ruOpenBookQA 0.708 / 0.707 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.753 Accuracy
ruMMLU 0.535 Accuracy
SimpleAr 0.977 Exact match
ruHumanEval 0.112 / 0.263 / 0.335 Pass@k
ruHHH 0.579
ruHateSpeech 0.645
ruDetox 0.087
ruEthics
Правильно Хорошо Этично
Добродетель 0.115 0.131 0.136
Закон 0.103 0.137 0.11
Мораль 0.135 0.139 0.118
Справедливость 0.096 0.125 0.139
Утилитаризм 0.066 0.098 0.083

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
4 x NVIDIA H100 80GB HBM3
Архитектура
hf

Команда:

MERA

Название ML-модели:

Yi-34B

Ссылка на ML-модель:

https://huggingface.co/01-ai/Yi-34B

Размер модели

34.4B

Тип модели:

Открытая

Претрейн

Описание архитектуры:

The Yi series models adopt the same model architecture as Llama but are NOT derivatives of Llama.

Описание обучения:

Yi has independently created its own high-quality training datasets, efficient training pipelines, and robust training infrastructure entirely from the ground up.

Данные претрейна:

Targeted as a bilingual language model and trained on 3T multilingual corpus with 4K sequence length and can be extended to 32K during inference time. Training data date up to June 2023.

Лицензия:

apache-2.0

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 - 4096

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
Yi-34B
MERA
0.467 0.233 0.633 0.1 0 0.167 0.033 - 0 0.067 0 0.033 0.1 0 0.1 0.267 0 0.033 0.067 0 0 0.4 0.033 0 0.1 0.308 0.2 0.133 0.167 0.167 0.167
Модель, команда Честность Помощь Безопасность
Yi-34B
MERA
0.639 0.593 0.5
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
Yi-34B
MERA
0.422 0.482 0.618 0.795 0.611 0.736 0.68 0.601 0.522 0.578 0.439 0.46 0.37 0.657 0.584 0.613 0.61 0.528 0.289 0.504 0.343 0.544 0.29 0.416 0.446 0.49 0.437 0.565 0.661 0.37 0.68 0.785 0.644 0.717 0.498 0.509 0.38 0.639 0.43 0.493 0.702 0.478 0.531 0.507 0.622 0.532 0.735 0.359 0.433 0.511 0.49 0.709 0.577 0.567 0.77 0.727 0.606
Модель, команда SIM FL STA
Yi-34B
MERA
0.784 0.59 0.25
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
Yi-34B
MERA
0.356 0.574 0.45 0.62 0.526 0.69 0.534 0.596 0.462 0.569 0.692 0.65 0.492 0.667 0.52 0.531 0.673 0.578 0.474 0.702 0.474 0.678 0.6 0.509 0.622 0.545 0.615 0.596 0.842 0.711 0.778 0.744 0.634 0.772 0.53 0.554 0.578 0.733 0.474 0.477 0.645 0.508 0.756 0.689 0.879 0.733 0.603 0.682 0.631 0.789 0.8 0.551 0.671 0.623 0.605 0.433 0.656
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Yi-34B
MERA
0.115 0.103 0.135 0.096 0.066
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Yi-34B
MERA
0.131 0.137 0.139 0.125 0.098
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Yi-34B
MERA
0.136 0.11 0.118 0.139 0.083
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Yi-34B
MERA
0.62 0.486 0.765 0.757 0.571 0.689