internlm2:1m im LLM-Testsuite-Report
Modellbeschreibung
InternLM2.5 ist ein 7B-Parameter-Modell, das mit herausragender Fähigkeit zum Schlussfolgern auf praktische Szenarien zugeschnitten ist.
| Modellfamilie | internlm2 |
|---|---|
| Kontext | 256K |
| Input | Text |
| Größe | 45 GB |
| Familiengrößen | 1m, 18b, 7b, 20b |
Readme-Auszug
InternLM2.5 stellt ein Basismodell mit 7 Milliarden Parametern und ein auf praktische Szenarien zugeschnittenes Chatmodell als Open Source bereit. Das Modell besitzt folgende Eigenschaften:
Herausragende Fähigkeit zum Schlussfolgern: Hochmoderne Leistung beim mathematischen Schlussfolgern, die Modelle wie Llama3 und Gemma2-9B übertrifft. Stärkere Werkzeugnutzung: InternLM2.5 unterstützt das Sammeln von Informationen aus mehr als 100 Webseiten. Die zugehörige Implementierung wird bald in Lagent veröffentlicht. InternLM2.5 verfügt über bessere Fähigkeiten beim Befolgen von Anweisungen, bei der Werkzeugauswahl und bei der Reflexion im Zusammenhang mit der Werkzeugnutzung.
Referenz
GitHub
Hugging Face
Hilfe zu Bewertung, Score und exakter Korrektheit
Score ist eine abgestufte Gütebewertung: correct = 100 %, mostly_correct = 80 %, partial = 50 %, wrong/not_answered = 0 %.
Exakt korrekt ist strenger: Nur Runs mit dem Label correct zählen. Mostly correct erhöht den Score, zählt aber nicht als exakt korrekt.
Bewertet zählt alle Runs mit fachlichem Urteil. Bei LLM-Judge-Ergebnissen zählen auch Judge-Fehler als bewertet, aber mit Score 0 %.