File size: 3,100 Bytes
c705bbf |
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 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 |
---
base_model:
- deepseek-ai/DeepSeek-R1-Distill-Llama-70B
- nvidia/Llama-3.1-Nemotron-70B-Instruct-HF
library_name: transformers
tags:
- mergekit
- merge
---
# merge
This is a merge of pre-trained language models created using [mergekit](https://github.com/cg123/mergekit).
## Merge Details
### Merge Method
This model was merged using the [Linear DELLA](https://arxiv.org/abs/2406.11617) merge method using [deepseek-ai/DeepSeek-R1-Distill-Llama-70B](https://huggingface.co/deepseek-ai/DeepSeek-R1-Distill-Llama-70B) as a base.
### Models Merged
The following models were included in the merge:
* [nvidia/Llama-3.1-Nemotron-70B-Instruct-HF](https://huggingface.co/nvidia/Llama-3.1-Nemotron-70B-Instruct-HF)
### Configuration
The following YAML configuration was used to produce this model:
```yaml
merge_method: della_linear
base_model: deepseek-ai/DeepSeek-R1-Distill-Llama-70B
tokenizer_source: "unsloth/Llama-3.3-70B-Instruct"
dtype: float16
parameters:
epsilon: 0.05 # Fine-grain scaling for precision.
lambda: 1.6 # Strong emphasis on top-performing models.
normalize: true # Stable parameter integration across models.
adaptive_merge_parameters:
task_weights:
tinyArc: 2.0 # Увеличиваем вес для логического рассуждения.
tinyHellaswag: 1.75 # Увеличиваем для контекстных предсказаний.
tinyMMLU: 2.0 # Увеличиваем для доменных знаний.
tinyTruthfulQA: 2.2 # Увеличиваем приоритет правдивого рассуждения.
tinyTruthfulQA_mc1: 2.0 # Поддерживаем высокий приоритет для многоразовых вопросов.
tinyWinogrande: 2.0 # Увеличиваем для сложного рассуждения и предсказаний.
IFEval: 2.1 # Поддерживаем высокий приоритет для выполнения инструкций и многозадачности.
BBH: 2.0 # Увеличиваем для комплексного рассуждения.
MATH: 2.5 # Увеличиваем вес математического рассуждения для акцента на точности.
GPQA: 2.3 # Увеличиваем вес для фактического QA.
MUSR: 2.1 # Поддерживаем высокий приоритет для многошагового рассуждения.
MMLU-PRO: 2.3 # Поддерживаем высокие показатели в многозадачности по доменам.
smoothing_factor: 0.1 # Сглаживание остается прежним для плавного смешивания.
models:
- model: nvidia/Llama-3.1-Nemotron-70B-Instruct-HF
parameters:
weight: 1
density: 1
- model: deepseek-ai/DeepSeek-R1-Distill-Llama-70B
parameters:
weight: 1
density: 1
```
|