Cubic Hier 150M: weights, tokenizer and benchmark comparison
Browse files- benchmark_results.json +10 -10
- model.safetensors +1 -1
benchmark_results.json
CHANGED
|
@@ -1,5 +1,5 @@
|
|
| 1 |
{
|
| 2 |
-
"generated_at": "2026-07-26T13:
|
| 3 |
"checkpoint": {
|
| 4 |
"checkpoint": "/marimo/cubic_hier_150m_gemma4/checkpoints/final.pt",
|
| 5 |
"phase_index": 4,
|
|
@@ -23,7 +23,7 @@
|
|
| 23 |
"CubicHierLM-157M (ours)": {
|
| 24 |
"hellaswag": {
|
| 25 |
"examples": 1500,
|
| 26 |
-
"seconds": 9.
|
| 27 |
"acc": 26.8,
|
| 28 |
"acc_norm": 30.066666666666666,
|
| 29 |
"headline_metric": "acc_norm",
|
|
@@ -31,7 +31,7 @@
|
|
| 31 |
},
|
| 32 |
"arc_easy": {
|
| 33 |
"examples": 1500,
|
| 34 |
-
"seconds": 9.
|
| 35 |
"acc": 41.2,
|
| 36 |
"acc_norm": 39.06666666666667,
|
| 37 |
"headline_metric": "acc_norm",
|
|
@@ -39,7 +39,7 @@
|
|
| 39 |
},
|
| 40 |
"arc_challenge": {
|
| 41 |
"examples": 1172,
|
| 42 |
-
"seconds":
|
| 43 |
"acc": 20.90443686006826,
|
| 44 |
"acc_norm": 25.255972696245735,
|
| 45 |
"headline_metric": "acc_norm",
|
|
@@ -47,7 +47,7 @@
|
|
| 47 |
},
|
| 48 |
"winogrande": {
|
| 49 |
"examples": 1267,
|
| 50 |
-
"seconds": 3.
|
| 51 |
"acc": 50.828729281767956,
|
| 52 |
"acc_norm": 50.828729281767956,
|
| 53 |
"headline_metric": "acc",
|
|
@@ -55,7 +55,7 @@
|
|
| 55 |
},
|
| 56 |
"openbookqa": {
|
| 57 |
"examples": 500,
|
| 58 |
-
"seconds":
|
| 59 |
"acc": 15.8,
|
| 60 |
"acc_norm": 25.2,
|
| 61 |
"headline_metric": "acc_norm",
|
|
@@ -63,7 +63,7 @@
|
|
| 63 |
},
|
| 64 |
"sciq": {
|
| 65 |
"examples": 1000,
|
| 66 |
-
"seconds":
|
| 67 |
"acc": 73.3,
|
| 68 |
"acc_norm": 70.4,
|
| 69 |
"headline_metric": "acc_norm",
|
|
@@ -71,7 +71,7 @@
|
|
| 71 |
},
|
| 72 |
"boolq": {
|
| 73 |
"examples": 1500,
|
| 74 |
-
"seconds":
|
| 75 |
"acc": 61.8,
|
| 76 |
"acc_norm": 62.46666666666667,
|
| 77 |
"headline_metric": "acc",
|
|
@@ -79,7 +79,7 @@
|
|
| 79 |
},
|
| 80 |
"lambada_openai": {
|
| 81 |
"examples": 1500,
|
| 82 |
-
"seconds": 2.
|
| 83 |
"acc": 20.066666666666666,
|
| 84 |
"acc_norm": 20.066666666666666,
|
| 85 |
"headline_metric": "acc",
|
|
@@ -87,7 +87,7 @@
|
|
| 87 |
},
|
| 88 |
"mmlu": {
|
| 89 |
"examples": 1500,
|
| 90 |
-
"seconds": 10.
|
| 91 |
"acc": 27.066666666666666,
|
| 92 |
"acc_norm": 27.066666666666666,
|
| 93 |
"headline_metric": "acc",
|
|
|
|
| 1 |
{
|
| 2 |
+
"generated_at": "2026-07-26T13:15:27+0000",
|
| 3 |
"checkpoint": {
|
| 4 |
"checkpoint": "/marimo/cubic_hier_150m_gemma4/checkpoints/final.pt",
|
| 5 |
"phase_index": 4,
|
|
|
|
| 23 |
"CubicHierLM-157M (ours)": {
|
| 24 |
"hellaswag": {
|
| 25 |
"examples": 1500,
|
| 26 |
+
"seconds": 9.8,
|
| 27 |
"acc": 26.8,
|
| 28 |
"acc_norm": 30.066666666666666,
|
| 29 |
"headline_metric": "acc_norm",
|
|
|
|
| 31 |
},
|
| 32 |
"arc_easy": {
|
| 33 |
"examples": 1500,
|
| 34 |
+
"seconds": 9.2,
|
| 35 |
"acc": 41.2,
|
| 36 |
"acc_norm": 39.06666666666667,
|
| 37 |
"headline_metric": "acc_norm",
|
|
|
|
| 39 |
},
|
| 40 |
"arc_challenge": {
|
| 41 |
"examples": 1172,
|
| 42 |
+
"seconds": 6.8,
|
| 43 |
"acc": 20.90443686006826,
|
| 44 |
"acc_norm": 25.255972696245735,
|
| 45 |
"headline_metric": "acc_norm",
|
|
|
|
| 47 |
},
|
| 48 |
"winogrande": {
|
| 49 |
"examples": 1267,
|
| 50 |
+
"seconds": 3.7,
|
| 51 |
"acc": 50.828729281767956,
|
| 52 |
"acc_norm": 50.828729281767956,
|
| 53 |
"headline_metric": "acc",
|
|
|
|
| 55 |
},
|
| 56 |
"openbookqa": {
|
| 57 |
"examples": 500,
|
| 58 |
+
"seconds": 2.7,
|
| 59 |
"acc": 15.8,
|
| 60 |
"acc_norm": 25.2,
|
| 61 |
"headline_metric": "acc_norm",
|
|
|
|
| 63 |
},
|
| 64 |
"sciq": {
|
| 65 |
"examples": 1000,
|
| 66 |
+
"seconds": 7.2,
|
| 67 |
"acc": 73.3,
|
| 68 |
"acc_norm": 70.4,
|
| 69 |
"headline_metric": "acc_norm",
|
|
|
|
| 71 |
},
|
| 72 |
"boolq": {
|
| 73 |
"examples": 1500,
|
| 74 |
+
"seconds": 5.7,
|
| 75 |
"acc": 61.8,
|
| 76 |
"acc_norm": 62.46666666666667,
|
| 77 |
"headline_metric": "acc",
|
|
|
|
| 79 |
},
|
| 80 |
"lambada_openai": {
|
| 81 |
"examples": 1500,
|
| 82 |
+
"seconds": 2.5,
|
| 83 |
"acc": 20.066666666666666,
|
| 84 |
"acc_norm": 20.066666666666666,
|
| 85 |
"headline_metric": "acc",
|
|
|
|
| 87 |
},
|
| 88 |
"mmlu": {
|
| 89 |
"examples": 1500,
|
| 90 |
+
"seconds": 10.5,
|
| 91 |
"acc": 27.066666666666666,
|
| 92 |
"acc_norm": 27.066666666666666,
|
| 93 |
"headline_metric": "acc",
|
model.safetensors
CHANGED
|
@@ -1,3 +1,3 @@
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
-
oid sha256:
|
| 3 |
size 314161336
|
|
|
|
| 1 |
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:fd91fe814e7bb2d0277907b91c58823c484ef40c6610d4a571ed25b8a84a0012
|
| 3 |
size 314161336
|