|
--- |
|
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 |
|
|
|
``` |
|
|
