Llama-3.2-1B

MERA Создан 04.11.2024 17:37
0.249
Общий результат
537
Место в рейтинге
Слабые задачи:
430
RWSD
536
PARus
540
RCB
529
MultiQ
584
ruWorldTree
583
ruOpenBookQA
509
CheGeKa
567
ruMMLU
444
ruHateSpeech
609
ruDetox
518
ruHHH
520
ruTiE
160
ruHumanEval
532
USE
573
MathLogicQA
461
ruMultiAr
475
SimpleAr
320
LCS
540
BPS
412
ruModAr
586
MaMuRAMu
171
ruCodeEval
+18
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.1 Accuracy
RCB 0.354 / 0.294 Accuracy F1 macro
USE 0.048 Grade norm
RWSD 0.496 Accuracy
PARus 0.5 Accuracy
ruTiE 0.504 Accuracy
MultiQ 0.155 / 0.063 F1 Exact match
CheGeKa 0.012 / 0 F1 Exact match
ruModAr 0.307 Exact match
MaMuRAMu 0.286 Accuracy
ruMultiAr 0.114 Exact match
ruCodeEval 0.07 / 0.176 / 0.22 Pass@k
MathLogicQA 0.253 Accuracy
ruWorldTree 0.282 / 0.239 Accuracy F1 macro
ruOpenBookQA 0.29 / 0.259 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.511 Accuracy
ruMMLU 0.283 Accuracy
SimpleAr 0.497 Exact match
ruHumanEval 0.107 / 0.205 / 0.25 Pass@k
ruHHH 0.478
ruHateSpeech 0.547
ruDetox 0.042
ruEthics
Правильно Хорошо Этично
Добродетель -0.009 0.012 -0.074
Закон -0.03 -0.025 -0.069
Мораль 0.014 0.028 -0.054
Справедливость -0.057 0.005 -0.066
Утилитаризм -0.027 0.027 -0.066

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
1 x NVIDIA H100 80GB HBM3
Архитектура
vllm

Команда:

MERA

Название ML-модели:

Llama-3.2-1B

Ссылка на ML-модель:

https://huggingface.co/meta-llama/Llama-3.2-1B

Размер модели

1.0B

Тип модели:

Открытая

Претрейн

Описание архитектуры:

Llama 3.2 is an auto-regressive language model that uses an optimized transformer architecture. The tuned versions use supervised fine-tuning (SFT) and reinforcement learning with human feedback (RLHF) to align with human preferences for helpfulness and safety.

Описание обучения:

-

Данные претрейна:

Llama 3.2 was pretrained on up to 9 trillion tokens of data from publicly available sources. For the 1B and 3B Llama 3.2 models, we incorporated logits from the Llama 3.1 8B and 70B models into the pretraining stage of the model development, where outputs (logits) from these larger models were used as token-level targets. Knowledge distillation was used after pruning to recover performance. In post-training we used a similar recipe as Llama 3.1 and produced final chat models by doing several rounds of alignment on top of the pre-trained model. Each round involved Supervised Fine-Tuning (SFT), Rejection Sampling (RS), and Direct Preference Optimization (DPO).

Лицензия:

llama3.2

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 - 131072

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.

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
Llama-3.2-1B
MERA
0.033 0 0.2 0.1 0 0.067 0 - 0 0 0 0.033 0.033 0 0.133 0.067 0.033 0 0.067 0.033 0 0 0.033 0 0 0.058 0.067 0.2 0.1 0.033 0.1
Модель, команда Честность Помощь Безопасность
Llama-3.2-1B
MERA
0.492 0.475 0.466
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
Llama-3.2-1B
MERA
0.348 0.325 0.237 0.35 0.333 0.299 0.233 0.318 0.309 0.296 0.246 0.246 0.37 0.324 0.298 0.266 0.25 0.25 0.211 0.298 0.26 0.269 0.3 0.289 0.188 0.21 0.269 0.269 0.306 0.3 0.32 0.364 0.27 0.354 0.317 0.303 0.32 0.284 0.265 0.291 0.318 0.261 0.297 0.271 0.232 0.366 0.279 0.274 0.277 0.279 0.29 0.295 0.256 0.235 0.28 0.333 0.264
Модель, команда SIM FL STA
Llama-3.2-1B
MERA
0.84 0.549 0.123
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
Llama-3.2-1B
MERA
0.267 0.347 0.217 0.306 0.289 0.276 0.293 0.246 0.269 0.354 0.308 0.267 0.258 0.279 0.257 0.198 0.318 0.333 0.333 0.298 0.281 0.237 0.2 0.355 0.311 0.348 0.256 0.193 0.351 0.289 0.511 0.333 0.223 0.263 0.242 0.286 0.311 0.267 0.316 0.338 0.294 0.27 0.333 0.222 0.328 0.333 0.224 0.227 0.323 0.333 0.244 0.232 0.367 0.299 0.14 0.228 0.289
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Llama-3.2-1B
MERA
-0.009 -0.03 0.014 -0.057 -0.027
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Llama-3.2-1B
MERA
0.012 -0.025 0.028 0.005 0.027
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Llama-3.2-1B
MERA
-0.074 -0.069 -0.054 -0.066 -0.066
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Llama-3.2-1B
MERA
0.556 0.657 0.588 0.595 0.286 0.459