Llemma 7B：完整基准性能指南

other llemma-7b 2023-10-17 Apache 2.0

深入分析 Llemma 7B 在 MMLU、HumanEval、GSM8K、MATH、BBH 等基准上的表现，包含定价与适用场景。

核心规格

厂商other
版本llemma-7b
发布日期2023-10-17
上下文窗口4096 tokens
输入模态text
输出模态text
许可Apache 2.0
文档https://huggingface.co/models

基准测试表现

基准得分单位评测日期备注来源
MMLU66%2023-10-175-shot查看
HUMANEVAL64.2pass@12023-10-17—查看
GSM8K84.9%2023-10-170-shot CoT查看
MATH47.5%2023-10-170-shot CoT查看
BBH73.1%2023-10-173-shot CoT查看
GPQA37.4%2023-10-170-shot查看
IFEVAL52.9%2023-10-17prompt_strict查看
ARC87.4%2023-10-17challenge查看
MUSR42.6%2023-10-170-shot查看
WINOGRANDE70.8%2023-10-170-shot查看

定价

项目价格币种
输入$0.18 / MtokUSD
输出$0.18 / MtokUSD
缓存读$0 / MtokUSD
缓存写$0 / MtokUSD

数据来源: https://huggingface.co/models · 截至 2023-10-17

合规性

  • 数据驻留: self-host
  • SOC2: ✗
  • HIPAA: ✗
  • GDPR: ✗
  • ISO 27001: ✗

Llemma 7B

模型概述

TheBloke Llemma 7B 数学专用模型, 4K 上下文, 基于 Code Llama 7B 继续训练, 数学推理能力突出。

核心规格

厂商版本发布日期上下文窗口输入模态输出模态许可证
Otherllemma-7b2023-10-174KtexttextApache 2.0

基准测试表现

基准得分单位备注
MMLU (Massive Multitask Language Understanding)66.0%5-shot
HumanEval64.2pass@1—
GSM8K (Grade School Math 8K)84.9%0-shot CoT
MATH47.5%0-shot CoT
BBH (BIG-Bench Hard)73.1%3-shot CoT
GPQA37.4%0-shot
IFEval52.9%prompt_strict
ARC87.4%challenge
MUSR42.6%0-shot
WinoGrande70.8%0-shot

定价

输入输出缓存读取缓存写入
————

每百万 token

优势

  • 可靠的通用模型。

劣势

  • 闭源专有模型，不支持自托管。
  • 上下文窗口 4K 偏小。

适用场景

  • 通用对话与问答

参考文献