Llama-3.2-3B-Instruct

MERA Создан 04.11.2024 17:38
0.38
Общий результат
359
Место в рейтинге
Слабые задачи:
388
RWSD
429
PARus
480
RCB
408
ruEthics
392
MultiQ
372
ruWorldTree
393
ruOpenBookQA
432
CheGeKa
369
ruMMLU
435
ruHateSpeech
396
ruDetox
318
ruHHH
416
ruTiE
96
ruHumanEval
377
USE
443
MathLogicQA
465
ruMultiAr
382
SimpleAr
201
LCS
453
BPS
216
ruModAr
357
MaMuRAMu
119
ruCodeEval
+19
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.126 Accuracy
RCB 0.409 / 0.355 Accuracy F1 macro
USE 0.086 Grade norm
RWSD 0.504 Accuracy
PARus 0.606 Accuracy
ruTiE 0.544 Accuracy
MultiQ 0.269 / 0.176 F1 Exact match
CheGeKa 0.025 / 0.019 F1 Exact match
ruModAr 0.497 Exact match
MaMuRAMu 0.54 Accuracy
ruMultiAr 0.113 Exact match
ruCodeEval 0.171 / 0.42 / 0.512 Pass@k
MathLogicQA 0.318 Accuracy
ruWorldTree 0.741 / 0.741 Accuracy F1 macro
ruOpenBookQA 0.633 / 0.632 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.663 Accuracy
ruMMLU 0.453 Accuracy
SimpleAr 0.875 Exact match
ruHumanEval 0.21 / 0.442 / 0.524 Pass@k
ruHHH 0.618
ruHateSpeech 0.551
ruDetox 0.118
ruEthics
Правильно Хорошо Этично
Добродетель 0.103 0.167 0.184
Закон 0.098 0.164 0.162
Мораль 0.103 0.181 0.174
Справедливость 0.103 0.141 0.152
Утилитаризм 0.105 0.152 0.138

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-3.2-3B-Instruct

Ссылка на ML-модель:

https://huggingface.co/meta-llama/Llama-3.2-3B-Instruct

Размер модели

3.0B

Тип модели:

Открытая

SFT

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-3.2-3B-Instruct
MERA
0.167 0.033 0.5 0.033 0 0.1 0 - 0.033 0 0.067 0.033 0 0 0.067 0.217 0.067 0.033 0 0 0.033 0.1 0.067 0.033 0.033 0.167 0 0.1 0.133 0.133 0.067
Модель, команда Честность Помощь Безопасность
Llama-3.2-3B-Instruct
MERA
0.672 0.593 0.586
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-3.2-3B-Instruct
MERA
0.4 0.404 0.467 0.585 0.51 0.582 0.553 0.518 0.451 0.43 0.307 0.349 0.34 0.546 0.507 0.526 0.45 0.375 0.333 0.534 0.306 0.509 0.26 0.457 0.375 0.57 0.382 0.407 0.641 0.4 0.61 0.736 0.466 0.707 0.536 0.406 0.35 0.503 0.391 0.478 0.561 0.412 0.51 0.401 0.517 0.407 0.559 0.319 0.344 0.398 0.41 0.633 0.421 0.462 0.54 0.636 0.487
Модель, команда SIM FL STA
Llama-3.2-3B-Instruct
MERA
0.726 0.533 0.373
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-3.2-3B-Instruct
MERA
0.489 0.485 0.417 0.509 0.5 0.5 0.431 0.596 0.423 0.523 0.667 0.542 0.392 0.628 0.398 0.383 0.589 0.533 0.368 0.649 0.386 0.576 0.489 0.515 0.644 0.545 0.513 0.491 0.754 0.622 0.733 0.603 0.518 0.561 0.545 0.5 0.444 0.711 0.456 0.554 0.604 0.46 0.667 0.489 0.776 0.689 0.655 0.614 0.6 0.702 0.6 0.536 0.684 0.519 0.419 0.409 0.644
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Llama-3.2-3B-Instruct
MERA
0.103 0.098 0.103 0.103 0.105
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Llama-3.2-3B-Instruct
MERA
0.167 0.164 0.181 0.141 0.152
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Llama-3.2-3B-Instruct
MERA
0.184 0.162 0.174 0.152 0.138
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Llama-3.2-3B-Instruct
MERA
0.574 0.4 0.647 0.568 0.429 0.574