库名称：transformers
标签：

• mergekit
• merge
  基础模型：
• wanlige/li-14b-v0.4
• sthenno-com/miscii-14b-0218

模型索引：

• 名称：li-14b-v0.4-slerp0.1
  结果：

  • 任务：
    类型：文本生成
    名称：文本生成
    数据集：
    名称：IFEval（零样本）
    类型：HuggingFaceH4/ifeval
    参数：
    num_few_shot: 0
    指标：

    • 类型：inst_level_strict_acc 和 prompt_level_strict_acc
      值：79.23
      名称：严格准确率
      来源：
      url：https://huggingface.co/spaces/open-llm-leaderboard/open_llm_leaderboard?query=wanlige/li-14b-v0.4-slerp0.1
      名称：Open LLM 排行榜

  • 任务：
    类型：文本生成
    名称：文本生成
    数据集：
    名称：BBH（三样本）
    类型：BBH
    参数：
    num_few_shot: 3
    指标：

    • 类型：acc_norm
      值：50.88
      名称：归一化准确率
      来源：
      url：https://huggingface.co/spaces/open-llm-leaderboard/open_llm_leaderboard?query=wanlige/li-14b-v0.4-slerp0.1
      名称：Open LLM 排行榜

  • 任务：
    类型：文本生成
    名称：文本生成
    数据集：
    名称：MATH Lvl 5（四样本）
    类型：hendrycks/competition_math
    参数：
    num_few_shot: 4
    指标：

    • 类型：exact_match
      值：53.32
      名称：精确匹配
      来源：
      url：https://huggingface.co/spaces/open-llm-leaderboard/open_llm_leaderboard?query=wanlige/li-14b-v0.4-slerp0.1
      名称：Open LLM 排行榜

  • 任务：
    类型：文本生成
    名称：文本生成
    数据集：
    名称：GPQA（零样本）
    类型：Idavidrein/gpqa
    参数：
    num_few_shot: 0
    指标：

    • 类型：acc_norm
      值：14.54
      名称：归一化准确率
      来源：
      url：https://huggingface.co/spaces/open-llm-leaderboard/open_llm_leaderboard?query=wanlige/li-14b-v0.4-slerp0.1
      名称：Open LLM 排行榜

  • 任务：
    类型：文本生成
    名称：文本生成
    数据集：
    名称：MuSR（零样本）
    类型：TAUR-Lab/MuSR
    参数：
    num_few_shot: 0
    指标：

    • 类型：acc_norm
      值：11.75
      名称：归一化准确率
      来源：
      url：https://huggingface.co/spaces/open-llm-leaderboard/open_llm_leaderboard?query=wanlige/li-14b-v0.4-slerp0.1
      名称：Open LLM 排行榜

  • 任务：
    类型：文本生成
    名称：文本生成
    数据集：
    名称：MMLU-PRO（五样本）
    类型：TIGER-Lab/MMLU-Pro
    配置：main
    分割：test
    参数：
    num_few_shot: 5
    指标：

    • 类型：acc
      值：47.71
      名称：准确率
      来源：
      url：https://huggingface.co/spaces/open-llm-leaderboard/open_llm_leaderboard?query=wanlige/li-14b-v0.4-slerp0.1
      名称：Open LLM 排行榜

世纪开元智印互联科技集团股份有限公司创立于2001年3月9日，总部位于山东省济南市。历经20余年发展，世纪开元以技术创新为核心，实现互联网与传统印刷行业的深度融合，探索出了区别于传统印刷行业的新模式、新业态。

世纪开元主要从事定制化影像、商务印刷及包装印刷类产品的研发、设计、生产及销售，通过将互联网、数字化、自动化和智能化等新模式和新技术与包装印刷行业相结合的方式，使小批量个性化定制产品订单得以相对标准化、规模化生产，旨在满足个人消费者及各类企业用户的小批量定制化需求，为用户提供一站式场景化定制印刷服务，实现全流程智能制造，已成长为业内领先的“工业互联网”印刷企业。

在未来发展中，世纪开元将一如既往地加大技术研发投入，深度融合互联网、大数据、人工智能等新一代信息技术，注重专项技术人才的培养，积极引进数字化、智能化手段优化创新业务流程和实现用户体验的提升，并通过多维度的企业发展，带动行业协同发展，促进印刷行业新旧动能转换，开拓印刷行业发展新方向。

了解更多，请访问我们的官网：世纪开元

模型合并

这是一个使用 mergekit 合并的预训练语言模型。

合并详情

合并方法

该模型使用 SLERP 方法合并。

合并的模型

合并中包含以下模型：

• wanlige/li-14b-v0.4
• sthenno-com/miscii-14b-0218

配置

以下是用于生成该模型的 YAML 配置：

base_model:          wanlige/li-14b-v0.4  
merge_method:        slerp  
tokenizer_source:    base  
dtype:               float32  
out_dtype:           bfloat16  
parameters:  
  t:  
    - filter:        self_attn  
      value:         [ 0.00, 0.50, 0.30, 0.70, 1.00 ]  
    - filter:        mlp  
      value:         [ 1.00, 0.50, 0.70, 0.30, 0.00 ]  
    - value:         [ 0.00, 0.00, 0.00, 0.00, 0.04, 0.08, 0.12, 0.16, 0.24, 0.32, 0.40, 0.48, 0.56, 0.64, 0.72, 0.72, 0.72, 0.72, 0.72, 0.72, 0.72, 0.72, 0.64, 0.56, 0.48 ]  
slices:  
  - sources:  
      - model:       wanlige/li-14b-v0.4  
        layer_range: [ 0, 48 ]  
      - model:       sthenno-com/miscii-14b-0218  
        layer_range: [ 0, 48 ]  

Open LLM 排行榜评估结果

详细结果请参见此处