[Baby 9B dense] Downstream evals
@jindrahelcl đang làm issue này rồi.
Từ ngày 24/7/2026.
Đánh giá
Issue này chưa được đánh giá.
Mô tả
Goal: Evaluate baby (aka prelude aka oellm-9b) intermediate checkpoints on downstream task evals.
Description: We are currently evaluating the checkpoints for every 0.5T tokens starting from 1T on the following task groups (in progress):
- dclm-core-22
- oellm-multilingual
- reasoning
Deliverable scope:
- Downstream eval numbers for intermediate as well as the final cooled down checkpoint on 10T tokens.
- Compare them with some baseline models of equivalent size: datamix 9B-80-20, apertus 8B, Olmo3 7B, EuroLLM 9B, Marin 8B, and final models of Qwen 3 8B, Qwen3.5-9B. See ellamind base-eval plot.
Dependencies:
- Checkpoint conversion from MegatronLM to HF format, current converted checkpoints can be found on HF.
- Some tasks in reasoning depend on
evalchemywhich are currently failing in container - For some tasks we need a chat template
- Ngôn ngữ chính
- Không có dữ liệu ngôn ngữ
- Star
- 3
- Fork
- 0
- Chỉ số merge pull request
- Không có pull request nào được merge trong 30 ngày
Chuẩn bị môi trường
Dự án này không cung cấp dev container, Dockerfile hay hướng dẫn đóng góp, nên bạn cần tự thiết lập môi trường: hãy bắt đầu từ README và xem hướng dẫn đóng góp lần đầu của chúng tôi để biết các bước chung.
Bắt đầu từ đâu
- Đọc hết issue, rồi đọc hướng dẫn đóng góp của dự án.
- Bình luận trên issue rằng bạn sẽ nhận — tránh hai người làm cùng một việc.
- Fork repository và làm thay đổi trên một nhánh.
- Mở pull request có tham chiếu số hiệu của issue.
Issue khác của OpenEuroLLM/Taskboard
-
[nucleus sparse] Experiment setupCó thể đã có người làm @aaronkl đã nhận 9 ngày trước. Đang mởT4.1 - Optimization HPC T4.2 - model exploration
OpenEuroLLM/Taskboard#439 · 1 bình luận · 1 reaction · 1 người được giao ·
-
Qwen3.5 35B-A3B hybrid MoE weak and strong scalingCó thể đã có người làm @ibaucells đã nhận 9 ngày trước. Đang mởT4.1 - Optimization HPC
OpenEuroLLM/Taskboard#438 · 2 bình luận · 1 người được giao ·
-
Synthetic Generation for Multilingual Instruction TuningCó thể đã có người làm @abhash-er đã nhận 10 ngày trước. Đang mở4.6 post-training
OpenEuroLLM/Taskboard#437 · 1 người được giao ·
-
Safety and alignment evaluationCó thể đã có người làm @BirgerMoell đã nhận 10 ngày trước. Đang mở4.6 post-training
OpenEuroLLM/Taskboard#436 · 1 người được giao ·
-
Finding optimal dataset mixtures for DPOCó thể đã có người làm @geoalgo đã nhận 10 ngày trước. Đang mở4.6 post-training
OpenEuroLLM/Taskboard#435 · 3 người được giao ·