glm-4 p2 epoch 2 results

logs/glm-4-9b-chat-1m_epoch_1.txt

@@ -1,10 +1,10 @@
 loading env vars from: /common2/dh.huang.2023/code/logical-reasoning/.env
 Adding /common2/dh.huang.2023/code/logical-reasoning to sys.path
 loading /common2/dh.huang.2023/code/logical-reasoning/llm_toolkit/logical_reasoning_utils.py
-THUDM/glm-4-9b-chat-1m llama-factory/saves/glm-4-9b/lora/sft_bf16_p1_full/checkpoint-175 False datasets/mgtv results/glm-4-9b_lora_sft_bf16-p1.csv
+THUDM/glm-4-9b-chat-1m llama-factory/saves/glm-4-9b/lora/sft_bf16_p2_full/checkpoint-175 False datasets/mgtv results/glm-4-9b_lora_sft_bf16-p2.csv
 (1) GPU = NVIDIA L40. Max memory = 44.309 GB.
 0.0 GB of memory reserved.
-loading model: THUDM/glm-4-9b-chat-1m with adapter: llama-factory/saves/glm-4-9b/lora/sft_bf16_p1_full/checkpoint-175
+loading model: THUDM/glm-4-9b-chat-1m with adapter: llama-factory/saves/glm-4-9b/lora/sft_bf16_p2_full/checkpoint-175
 (2) GPU = NVIDIA L40. Max memory = 44.309 GB.
 17.828 GB of memory reserved.
 loading train/test data files
@@ -33,40 +33,48 @@ truth: 甄加索是一位热爱自然的画家，他每年都会来到这个海
 --------------------------------------------------
 train_text: [gMASK]<sop><|system|>
 You are an expert in logical reasoning.<|user|>
-你是一个逻辑游戏的主持人。游戏规则如下：
-
-1. 参与者会得到一个谜题。
-2. 参与者可以通过提问来获取线索，尝试解开谜题。
-3. 对于每个问题，主持人将根据实际情况回答以下五个选项之一：是、不是、不重要、回答正确、问法错误。
-4. 回答中不能添加任何其它信息，也不能省略选项中的任何一个字。例如，不可以把“不是”省略成“不”。
-5. 参与者需要根据回答来推理，并最终找出谜题的正确答案。
+你是一个情景猜谜游戏的主持人。游戏规则如下：
+
+1. 参与者会得到一个谜面，谜面会描述一个简单又难以理解的事件。
+2. 主持人知道谜底，谜底是谜面的答案。
+3. 参与者可以询问任何封闭式问题来找寻事件的真相。
+4. 对于每个问题，主持人将根据实际情况回答以下五个选项之一：是、不是、不重要、回答正确、问法错误。各回答的判断标准如下：
+   - 若谜面和谜底能找到问题的答案，回答：是或者不是
+   - 若谜面和谜底不能直接或者间接推断出问题的答案，回答：不重要
+   - 若参与者提问不是一个封闭式问题或者问题难以理解，回答：问法错误
+   - 若参与者提问基本还原了谜底真相，回答：回答正确
+5. 回答中不能添加任何其它信息，也不能省略选项中的任何一个字。例如，不可以把“不是”省略成“不”。
 
 请严格按照这些规则回答参与者提出的问题。
 
-谜题: 在远离城市喧嚣的海边小屋，一天清晨，邻居发现甄加索僵卧在沙滩上，已无生命迹象。现场没有发现任何打斗的迹象。请问甄加索的死因是什么？
+**谜面:** 在远离城市喧嚣的海边小屋，一天清晨，邻居发现甄加索僵卧在沙滩上，已无生命迹象。现场没有发现任何打斗的迹象。请问甄加索的死因是什么？
 
-实际情况: 甄加索是一位热爱自然的画家，他每年都会来到这个海边小屋寻找灵感。在他生命的最后几天，他一直在创作一幅描绘海洋生物的画作。在画即将完成的前一天晚上，他骑着自行车外出，打算在海边观赏夜景。然而，他在沙滩上意外发现了一只搁浅的海豚，为了救助这只海豚，他耗费了极大的体力，最终成功将其送回海中。筋疲力尽的甄加索在沙滩上睡着了，由于他患有严重的心脏病，却未告知旁人，在寒冷的海风中，他的心脏停止了跳动。因此，警方在现场只发现了车轮痕迹和未完成的画作，而没有发现任何他杀的迹象。
+**谜底:** 甄加索是一位热爱自然的画家，他每年都会来到这个海边小屋寻找灵感。在他生命的最后几天，他一直在创作一幅描绘海洋生物的画作。在画即将完成的前一天晚上，他骑着自行车外出，打算在海边观赏夜景。然而，他在沙滩上意外发现了一只搁浅的海豚，为了救助这只海豚，他耗费了极大的体力，最终成功将其送回海中。筋疲力尽的甄加索在沙滩上睡着了，由于他患有严重的心脏病，却未告知旁人，在寒冷的海风中，他的心脏停止了跳动。因此，警方在现场只发现了车轮痕迹和未完成的画作，而没有发现任何他杀的迹象。
 
-参与者提出的问题: 甄加索是自杀吗
+**参与者提出的问题:** 甄加索是自杀吗
 <|assistant|>不是<|endoftext|>
 --------------------------------------------------
 prompt: [gMASK]<sop><|system|>
 You are an expert in logical reasoning.<|user|>
-你是一个逻辑游戏的主持人。游戏规则如下：
-
-1. 参与者会得到一个谜题。
-2. 参与者可以通过提问来获取线索，尝试解开谜题。
-3. 对于每个问题，主持人将根据实���情况回答以下五个选项之一：是、不是、不重要、回答正确、问法错误。
-4. 回答中不能添加任何其它信息，也不能省略选项中的任何一个字。例如，不可以把“不是”省略成“不”。
-5. 参与者需要根据回答来推理，并最终找出谜题的正确答案。
+你是一个情景猜谜游戏的主持人。游戏规则如下：
+
+1. 参与者会得到一个谜面，谜面会描述一个简单又难以理解的事件。
+2. 主持人知道谜底，谜底是谜面的答案。
+3. 参与者可以询问任何封闭式问题来找寻事件的真相。
+4. 对于每个问题，主持人将根据实际情况回答以下五个选项之一：是、不是、不重要、回答正确、问法错误。各回答的判断标准如下：
+   - 若谜面和谜底能找到问题的答案，回答：是或者不是
+   - 若谜面和谜底不能直接或者间接推断出问题的答案，回答：不重要
+   - 若参与者提问不是一个封闭式问题或者问题难以理解，回答：问法错误
+   - 若参与者提问基本还原了谜底真相，回答：回答正确
+5. 回答中不能添加任何其它信息，也不能省略选项中的任何一个字。例如，不可以把“不是”省略成“不”。
 
 请严格按照这些规则回答参与者提出的问题。
 
-谜题: 在远离城市喧嚣的海边小屋，一天清晨，邻居发现甄加索僵卧在沙滩上，已无生命迹象。现场没有发现任何打斗的迹象。请问甄加索的死因是什么？
+**谜面:** 在远离城市喧嚣的海边小屋，一天清晨，邻居发现甄加索僵卧在沙滩上，已无生命迹象。现场没有发现任何打斗的迹象。请问甄加索的死因是什么？
 
-实际情况: 甄加索是一位热爱自然的画家，他每年都会来到这个海边小屋寻找灵感。在他生命的最后几天，他一直在创作一幅描绘海洋生物的画作。在画即将完成的前一天晚上，他骑着自行车外出，打算在海边观赏夜景。然而，他在沙滩上意外发现了一只搁浅的海豚，为了救助这只海豚，他耗费了极大的体力，最终成功将其送回海中。筋疲力尽的甄加索在沙滩上睡着了，由于他患有严重的心脏病，却未告知旁人，在寒冷的海风中，他的心脏停止了跳动。因此，警方在现场只发现了车轮痕迹和未完成的画作，而没有发现任何他杀的迹象。
+**谜底:** 甄加索是一位热爱自然的画家，他每年都会来到这个海边小屋寻找灵感。在他生命的最后几天，他一直在创作一幅描绘海洋生物的画作。在画即将完成的前一天晚上，他骑着自行车外出，打算在海边观赏夜景。然而，他在沙滩上意外发现了一只搁浅的海豚，为了救助这只海豚，他耗费了极大的体力，最终成功将其送回海中。筋疲力尽的甄加索在沙滩上睡着了，由于他患有严重的心脏病，却未告知旁人，在寒冷的海风中，他的心脏停止了跳动。因此，警方在现场只发现了车轮痕迹和未完成的画作，而没有发现任何他杀的迹象。
 
-参与者提出的问题: 甄加索是自杀吗
+**参与者提出的问题:** 甄加索是自杀吗
 <|assistant|>
 --------------------------------------------------
 text: 死者受伤了吗
@@ -83,59 +91,67 @@ truth: 原来，这顶破旧的帽子属于一个小男孩，他小时候与爷
 --------------------------------------------------
 train_text: [gMASK]<sop><|system|>
 You are an expert in logical reasoning.<|user|>
-你是一个逻辑游戏的主持人。游戏规则如下：
-
-1. 参与者会得到一个谜题。
-2. 参与者可以通过提问来获取线索，尝试解开谜题。
-3. 对于每个问题，主持人将根据实际情况回答以下五个选项之一：是、不是、不重要、回答正确、问法错误。
-4. 回答中不能添加任何其它信息，也不能省略选项中的任何一个字。例如，不可以把“不是”省略成“不”。
-5. 参与者需要根据回答来推理，并最终找出谜题的正确答案。
+你是一个情景猜谜游戏的主持人。游戏规则如下：
+
+1. 参与者会得到一个谜面，谜面会描述一个简单又难以理解的事件。
+2. 主持人知道谜底，谜底是谜面的答案。
+3. 参与者可以询问任何封闭式问题来找寻事件的真相。
+4. 对于每个问题，主持人将根据实际情况回答以下五个选项之一：是、不是、不重要、回答正确、问法错误。各回答的判断标准如下：
+   - 若谜面和谜底能找到问题的答案，回答：是或者不是
+   - 若谜面和谜底不能直接或者间接推断出问题的答案，回答：不重要
+   - 若参与者提问不是一个封闭式问题或者问题难以理解，回答：问法错误
+   - 若参与者提问基本还原了谜底真相，回答：回答正确
+5. 回答中不能添加任何其它信息，也不能省略选项中的任何一个字。例如，不可以把“不��”省略成“不”。
 
 请严格按照这些规则回答参与者提出的问题。
 
-谜题: 在一个安静的夜晚，小村庄的湖边突然传来了阵阵哭泣声。第二天早晨，村长甄锐发现湖边的石头上放着一顶破旧的帽子，但没有人知道这顶帽子是从哪里来的，哭泣声又是为何。请还原故事真相。
+**谜面:** 在一个安静的夜晚，小村庄的湖边突然传来了阵阵哭泣声。第二天早晨，村长甄锐发现湖边的石头上放着一顶破旧的帽子，但没有人知道这顶帽子是从哪里来的，哭泣声又是为何。请还原故事真相。
 
-实际情况: 原来，这顶破旧的帽子属于一个小男孩，他小时候与爷爷在湖边生活。爷爷教他钓鱼、游泳，还告诉他湖中的海龟是他们的朋友。后来，小男孩随父母去了城市生活，但每年夏天都会回到村子探望爷爷。然而，去年夏天，爷爷因病去世，小男孩伤心欲绝。今年夏天，他回到村子，来到湖边，想起和爷爷的美好回忆，忍不住哭泣。他将爷爷的帽子放在湖边的石头上，希望能让爷爷的在天之灵得到安慰。那晚的哭泣声正是小男孩在祭莫他亲爱的爷爷。
+**谜底:** 原来，这顶破旧的帽子属于一个小男孩，他小时候与爷爷在湖边生活。爷爷教他钓鱼、游泳，还告诉他湖中的海龟是他们的朋友。后来，小男孩随父母去了城市生活，但每年夏天都会回到村子探望爷爷。然而，去年夏天，爷爷因病去世，小男孩伤心欲绝。今年夏天，他回到村子，来到湖边，想起和爷爷的美好回忆，忍不住哭泣。他将爷爷的帽子放在湖边的石头上，希望能让爷爷的在天之灵得到安慰。那晚的哭泣声正是小男孩在祭莫他亲爱的爷爷。
 
-参与者提出的问题: 死者受伤了吗
+**参与者提出的问题:** 死者受伤了吗
 <|assistant|>不是<|endoftext|>
 --------------------------------------------------
 prompt: [gMASK]<sop><|system|>
 You are an expert in logical reasoning.<|user|>
-你是一个逻辑游戏的主持人。游戏规则如下：
-
-1. 参与者会得到一个谜题。
-2. 参与者可以通过提问来获取线索，尝试解开谜题。
-3. 对于每个问题，主持人将根据实际情况回答以下五个选项之一：是、不是、不重要、回答正确、问法错误。
-4. 回答中不能添加任何其它信息，也不能省略选项中的任何一个字。例如，不可以把“不是”省略成“不”。
-5. 参与者需要根据回答来推理，并最终找出谜题的正确答案。
+你是一个情景猜谜游戏的主持人。游戏规则如下：
+
+1. 参与者会得到一个谜面，谜面会描述一个简单又难以理解的事件。
+2. 主持人知道谜底，谜底是谜面的答案。
+3. 参与者可以询问任何封闭式问题来找寻事件的真相。
+4. 对于每个问题，主持人将根据实际情况回答以下五个选项之一：是、不是、不重要、回答正确、问法错误。各回答的判断标准如下：
+   - 若谜面和谜底能找到问题的答案，回答：是或者不是
+   - 若谜面和谜底不能直接或者间接推断出问题的答案，回答：不重要
+   - 若参与者提问不是一个封闭式问题或者问题难以理解，回答：问法错误
+   - 若参与者提问基本还原了谜底真相，回答：回答正确
+5. 回答中不能添加任何其它信息，也不能省略选项中的任何一个字。例如，不可以把“不是”省略成“不”。
 
 请严格按照这些规则回答参与者提出的问题。
 
-谜题: 在一个安静的夜晚，小村庄的湖边突然传来了阵阵哭泣声。第二天早晨，村长甄锐发现湖边的石头上放着一顶破旧的帽子，但没有人知道这顶帽子是从哪里来的，哭泣声又是为何。请还原故事真相。
+**谜面:** 在一个安静的夜晚，小村庄的湖边突然传来了阵阵哭泣声。第二天早晨，村长甄锐发现湖边的石头上放着一顶破旧的帽子，但没有人知道这顶帽子是从哪里来的，哭泣声又是为何。请还原故事真相。
 
-实际情况: 原来，这顶破旧的帽子属于一个小男孩，他小时候与爷爷在湖边生活。爷爷教他钓鱼、游泳，还告诉他湖中的海龟是他们的朋友。后来，小男孩随父母去了城市生活，但每年夏天都会回到村子探望爷爷。然而，去年夏天，爷爷因病去世，小男孩伤心欲绝。今年夏天，他回到村子，来到湖边，想起和爷爷的美好回忆，忍不住哭泣。他将爷爷的帽子放在湖边的石头上，希望能让爷爷的在天之灵得到安慰。那晚的哭泣声正是小男孩在祭莫他亲爱的爷爷。
+**谜底:** 原来，这顶破旧的帽子属于一个小男孩，他小时候与爷爷在湖边生活。爷爷教他钓鱼、游泳，还告诉他湖中的海龟是他们的朋友。后来，小男孩随父母去了城市生活，但每年夏天都会回到村子探望爷爷。然而，去年夏天，爷爷因病去世，小男孩伤心欲绝。今年夏天，他回到村子，来到湖边，想起和爷爷的美好回忆，忍不住哭泣。他将爷爷的帽子放在湖边的石头上，希望能让爷爷的在天之灵得到安慰。那晚的哭泣声正是小男孩在祭莫他亲爱的爷爷。
 
-参与者提出的问题: 死者受伤了吗
+**参与者提出的问题:** 死者受伤了吗
 <|assistant|>
 Evaluating model: THUDM/glm-4-9b-chat-1m
 --------
 step 1: 
-是
+不是
 --------
 step 2: 
-是
+不是
 --------
 step 3: 
-是
+不是
 --------
-step 4: 是
+step 4: 不是
 --------
-step 5: 是
+step 5: 不是
 (3) GPU = NVIDIA L40. Max memory = 44.309 GB.
-18.723 GB of memory reserved.
+18.473 GB of memory reserved.
       text label  ... THUDM/glm-4-9b-chat-1m THUDM/glm-4-9b-chat-1m_checkpoint-175
-0  甄加索是自杀吗    不是  ...                     不是                                     是
+0  甄加索是自杀吗    不是  ...                  回答：不是                                    不是
 
 [1 rows x 7 columns]
-{'accuracy': 0.465, 'incorrect_ids': [0, 3, 6, 8, 10, 11, 13, 14, 15, 16, 17, 18, 20, 24, 25, 26, 27, 32, 34, 35, 36, 37, 41, 43, 44, 45, 48, 49, 50, 51, 52, 53, 59, 61, 65, 66, 67, 69, 71, 73, 77, 78, 80, 81, 82, 85, 89, 90, 91, 92, 95, 96, 100, 105, 107, 108, 109, 110, 115, 117, 119, 120, 121, 123, 125, 126, 128, 130, 132, 135, 137, 140, 141, 143, 144, 147, 151, 152, 153, 155, 156, 157, 163, 164, 165, 167, 168, 170, 172, 176, 179, 180, 181, 185, 186, 188, 189, 191, 193, 194, 196, 197, 198, 199, 200, 201, 202, 205, 206, 208, 211, 214, 215, 217, 218, 221, 223, 225, 229, 231, 232, 234, 236, 238, 241, 245, 246, 248, 250, 253, 257, 259, 260, 261, 264, 265, 266, 267, 268, 269, 270, 271, 275, 280, 281, 283, 285, 288, 290, 293, 296, 298, 299, 302, 303, 305, 306, 309, 310, 312, 314, 316, 317, 319, 320, 321, 322, 324, 325, 327, 328, 329, 335, 339, 342, 343, 344, 345, 346, 347, 348, 349, 351, 352, 353, 354, 355, 358, 359, 360, 363, 364, 365, 366, 367, 369, 373, 374, 375, 381, 383, 384, 385, 386, 387, 388, 389, 393, 397, 399, 400, 401, 402, 403, 405, 406, 407, 408, 410, 415, 416, 417, 418, 421, 422, 424, 427, 430, 431, 434, 437, 439, 440, 445, 446, 449, 450, 452, 453, 454, 455, 456, 457, 458, 459, 461, 465, 466, 467, 468, 469, 470, 471, 472, 473, 474, 476, 479, 480, 481, 483, 484, 485, 488, 489, 490, 493, 495, 496, 499, 501, 502, 503, 504, 505, 506, 508, 509, 510, 512, 513, 514, 517, 519, 520, 522, 524, 525, 526, 528, 530, 532, 533, 534, 537, 538, 539, 540, 543, 545, 546, 548, 550, 551, 552, 554, 559, 560, 563, 564, 566, 567, 568, 570, 571, 574, 575, 577, 579, 580, 584, 586, 587, 588, 589, 591, 592, 595, 596, 598, 600, 601, 602, 603, 607, 608, 611, 612, 613, 614, 615, 620, 621, 622, 625, 629, 632, 636, 637, 640, 643, 644, 645, 646, 647, 648, 651, 652, 655, 657, 658, 659, 660, 661, 663, 664, 665, 666, 667, 669, 670, 672, 675, 676, 679, 680, 682, 683, 684, 688, 691, 692, 693, 697, 698, 700, 701, 702, 703, 705, 706, 707, 711, 714, 715, 716, 717, 718, 721, 722, 723, 725, 727, 729, 730, 731, 737, 738, 741, 742, 746, 748, 750, 751, 752, 754, 755, 756, 757, 758, 759, 763, 764, 765, 766, 768, 769, 770, 772, 773, 775, 777, 778, 779, 783, 785, 786, 788, 791, 792, 793, 794, 797, 798, 799, 800, 801, 802, 803, 807, 810, 811, 812, 814, 816, 818, 819, 821, 822, 828, 829, 830, 833, 835, 842, 843, 845, 846, 847, 848, 850, 851, 853, 862, 863, 865, 866, 867, 868, 870, 872, 873, 875, 876, 879, 881, 882, 886, 887, 888, 890, 892, 894, 895, 896, 898, 900, 901, 902, 903, 906, 908, 911, 913, 914, 915, 917, 918, 919, 921, 922, 924, 927, 928, 929, 930, 933, 934, 935, 936, 937, 941, 942, 945, 946, 947, 948, 949, 952, 955, 962, 964, 965, 966, 968, 969, 970, 972, 974, 976, 977, 978, 979, 980, 981, 983, 987, 988, 991, 992, 993, 994, 995, 998, 1001, 1004, 1005, 1007, 1008, 1009, 1010, 1012, 1013, 1014, 1015, 1016, 1018, 1019, 1022, 1023, 1024, 1027, 1029, 1030, 1031, 1037, 1038, 1040, 1041, 1043, 1044, 1046, 1047, 1050, 1051, 1052, 1053, 1054, 1056, 1060, 1062, 1063, 1064, 1066, 1068, 1072, 1074, 1075, 1076, 1077, 1079, 1080, 1082, 1083, 1084, 1087, 1089, 1091, 1092, 1094, 1095, 1096, 1098, 1103, 1104, 1107, 1111, 1112, 1114, 1115, 1116, 1118, 1120, 1122, 1123, 1124, 1125, 1126, 1128, 1131, 1132, 1133, 1134, 1137, 1138, 1141, 1144, 1145, 1146, 1148, 1149, 1151, 1153, 1157, 1159, 1160, 1162, 1163, 1165, 1166, 1168, 1170, 1173, 1174, 1175, 1177, 1178, 1180, 1181, 1183, 1185, 1188, 1189, 1191, 1198, 1200, 1201, 1202, 1207, 1208, 1213, 1215, 1216, 1218, 1219, 1222, 1223, 1224, 1225, 1227, 1228, 1231, 1233, 1234, 1239, 1242, 1243, 1249, 1250, 1251, 1252, 1254, 1255, 1257, 1259, 1262, 1263, 1264, 1266, 1267, 1268, 1269, 1270, 1273, 1276, 1279, 1281, 1282, 1283, 1284, 1285, 1288, 1289, 1290, 1291, 1297, 1298, 1299, 1300, 1302, 1304, 1306, 1307, 1309, 1310, 1311, 1312, 1313, 1314, 1316, 1317, 1318, 1321, 1324, 1325, 1326, 1328, 1329, 1330, 1335, 1336, 1337, 1338, 1339, 1344, 1346, 1347, 1348, 1350, 1351, 1355, 1356, 1357, 1359, 1360, 1361, 1362, 1363, 1364, 1365, 1367, 1368, 1369, 1370, 1371, 1372, 1377, 1380, 1384, 1386, 1388, 1389, 1390, 1391, 1393, 1395, 1398, 1399, 1401, 1404, 1406, 1407, 1410, 1411, 1412, 1413, 1415, 1418, 1422, 1426, 1428, 1429, 1430, 1433, 1436, 1437, 1439, 1440, 1441, 1442, 1443, 1448, 1449, 1450, 1453, 1457, 1459, 1460, 1461, 1462, 1463, 1466, 1468, 1471, 1472, 1473, 1478, 1480, 1481, 1482, 1483, 1484, 1485, 1486, 1487, 1491, 1493, 1497, 1501, 1502, 1505, 1506, 1507, 1508, 1510, 1511, 1512, 1513, 1514, 1515, 1519, 1520, 1521, 1522, 1523, 1526, 1528, 1529, 1530, 1531, 1532, 1533, 1534, 1541, 1543, 1545, 1547, 1550, 1551, 1553, 1554, 1559, 1560, 1561, 1563, 1564, 1567, 1569, 1570, 1572, 1573, 1574, 1575, 1578, 1579, 1580, 1581, 1582, 1585, 1587, 1590, 1592, 1593, 1595, 1596, 1598, 1603, 1605, 1613, 1615, 1617, 1619, 1620, 1622, 1623, 1624, 1625, 1626, 1627, 1628, 1630, 1636, 1637, 1639, 1641, 1643, 1647, 1652, 1653, 1654, 1657, 1658, 1659, 1662, 1665, 1666, 1671, 1676, 1677, 1679, 1683, 1685, 1687, 1689, 1694, 1695, 1698, 1701, 1702, 1703, 1704, 1706, 1707, 1708, 1713, 1715, 1718, 1720, 1721, 1722, 1723, 1725, 1733, 1734, 1735, 1740, 1744, 1746, 1748, 1750, 1751, 1755, 1757, 1758, 1759, 1760, 1761, 1764, 1765, 1769, 1771, 1772, 1773, 1775, 1777, 1780, 1782, 1783, 1784, 1785, 1789, 1790, 1792, 1794, 1797, 1798, 1799, 1801, 1804, 1806, 1807, 1809, 1815, 1818, 1819, 1821, 1823, 1825, 1826, 1827, 1828, 1829, 1833, 1835, 1836, 1837, 1839, 1840, 1841, 1843, 1844, 1848, 1849, 1850, 1851, 1853, 1854, 1856, 1857, 1858, 1860, 1862, 1865, 1867, 1871, 1872, 1874, 1877, 1878, 1883, 1884, 1891, 1892, 1894, 1895, 1896, 1898, 1902, 1903, 1904, 1905, 1906, 1907, 1910, 1911, 1912, 1913, 1914, 1917, 1919, 1920, 1924, 1934, 1935, 1937, 1940, 1942, 1947, 1949, 1952, 1954, 1956, 1957, 1958, 1960, 1965, 1966, 1969, 1970, 1975, 1976, 1977, 1978, 1979, 1980, 1981, 1982, 1983, 1984, 1985, 1986, 1987, 1988, 1990, 1992, 1993, 1994, 1996, 1997, 1998, 1999, 2004, 2005, 2006, 2010, 2011, 2014, 2015, 2017, 2019, 2021, 2023, 2024, 2027, 2028, 2029, 2032, 2034, 2036, 2037, 2039, 2040, 2043, 2044, 2047, 2049, 2050, 2051, 2052, 2053, 2055, 2057, 2059, 2061, 2063, 2067, 2069, 2073, 2075, 2076, 2078, 2082, 2083, 2088, 2090, 2093, 2094, 2096, 2097, 2098, 2100, 2101, 2102, 2103, 2104, 2107, 2117, 2118, 2120, 2121, 2122, 2128, 2134, 2136, 2139, 2140, 2141, 2142, 2143, 2145, 2146, 2150, 2151, 2152, 2159, 2164, 2166, 2168, 2169, 2170, 2173, 2174, 2177, 2178, 2180, 2181, 2185, 2186, 2187, 2189, 2191, 2193, 2194, 2195, 2196, 2197, 2199, 2203, 2204, 2208, 2209, 2210, 2211, 2212, 2213, 2215, 2218, 2219, 2220, 2221, 2223, 2226, 2227, 2230, 2231, 2232, 2236, 2237, 2240, 2242, 2243, 2245, 2248, 2251, 2253, 2254, 2258, 2259, 2260, 2261, 2264, 2269, 2271, 2273, 2276, 2277, 2280, 2281, 2286, 2291, 2294, 2296, 2299, 2300, 2301, 2302, 2304, 2306, 2307, 2315, 2316, 2321, 2323, 2324, 2325, 2326, 2327, 2330, 2335, 2336, 2338, 2339, 2340, 2343, 2346, 2347, 2348, 2354, 2355, 2356, 2358, 2360, 2362, 2363, 2364, 2368, 2369, 2370, 2373, 2374, 2375, 2376, 2377, 2379, 2380, 2381, 2382, 2383, 2384, 2386, 2387, 2388, 2389, 2394, 2396, 2398, 2399, 2400, 2403, 2404, 2405, 2406, 2407, 2409, 2411, 2415, 2418, 2421, 2422, 2423, 2424, 2425, 2427, 2429, 2430, 2431, 2433, 2435, 2437, 2438, 2439, 2440, 2445, 2446, 2448, 2450, 2451, 2452, 2458, 2459, 2468, 2469, 2475, 2476, 2479, 2482, 2483, 2484, 2485, 2487, 2488, 2489, 2491, 2494, 2497, 2498, 2499, 2501, 2503, 2505, 2506, 2508, 2512, 2513, 2515, 2518, 2521, 2522, 2524, 2525, 2526, 2528, 2531, 2532, 2535, 2537, 2539, 2540, 2541, 2545, 2547, 2548, 2549, 2550, 2553, 2555, 2557, 2559, 2562, 2563, 2564, 2565, 2567, 2574, 2576, 2577, 2579, 2580, 2581, 2583, 2584, 2586, 2591, 2596, 2597, 2598, 2599, 2602, 2605, 2607, 2608, 2609, 2610, 2611, 2612, 2613, 2616, 2617, 2618, 2622, 2623, 2625, 2626, 2628, 2630, 2632, 2634, 2636, 2640, 2642, 2643, 2645, 2646, 2648, 2649, 2652, 2654, 2655, 2660, 2661, 2662, 2663, 2664, 2665, 2668, 2669, 2670, 2671, 2673, 2674, 2675, 2676, 2677, 2678, 2679, 2681, 2682, 2683, 2686, 2687, 2689, 2690, 2691, 2692, 2693, 2695, 2696, 2697, 2701, 2702, 2703, 2705, 2706, 2707, 2708, 2709, 2710, 2713, 2718, 2723, 2724, 2725, 2729, 2730, 2732, 2733, 2734, 2735, 2736, 2740, 2741, 2744, 2745, 2747, 2748, 2749, 2750, 2751, 2753, 2754, 2755, 2756, 2757, 2758, 2759, 2760, 2761, 2763, 2766, 2767, 2770, 2772, 2773, 2774, 2775, 2776, 2777, 2780, 2783, 2787, 2788, 2789, 2791, 2794, 2795, 2798, 2799, 2802, 2803, 2806, 2807, 2808, 2811, 2814, 2816, 2817, 2818, 2820, 2822, 2823, 2824, 2825, 2828, 2830, 2831, 2833, 2834, 2839, 2841, 2842, 2843, 2844, 2845, 2850, 2852, 2853, 2854, 2855, 2856, 2857, 2859, 2860, 2861, 2864, 2865, 2867, 2868, 2871, 2873, 2874, 2876, 2877, 2878, 2879, 2880, 2881, 2883, 2884, 2886, 2888, 2889, 2890, 2892, 2893, 2901, 2902, 2904, 2908, 2910, 2915, 2917, 2919, 2920, 2922, 2923, 2924, 2925, 2926, 2927, 2928, 2929, 2933, 2935, 2936, 2937, 2940, 2942, 2944, 2945, 2948, 2949, 2950, 2954, 2955, 2961, 2963, 2965, 2968, 2971, 2972, 2973, 2974, 2975, 2977, 2979, 2980, 2981, 2983, 2984, 2987, 2988, 2989, 2990, 2995, 2996]}
+{'accuracy': 0.5946666666666667, 'incorrect_ids': [5, 7, 9, 15, 16, 17, 18, 24, 25, 26, 27, 28, 31, 33, 34, 35, 36, 42, 43, 48, 55, 58, 59, 61, 65, 66, 67, 69, 71, 75, 77, 78, 82, 83, 85, 90, 91, 93, 94, 95, 96, 101, 102, 104, 105, 106, 111, 112, 113, 115, 118, 120, 121, 122, 123, 126, 127, 128, 131, 135, 136, 137, 138, 139, 140, 150, 153, 155, 156, 161, 162, 164, 170, 171, 172, 174, 175, 178, 179, 180, 181, 184, 186, 187, 188, 189, 190, 191, 192, 193, 199, 200, 202, 209, 214, 216, 221, 224, 225, 226, 227, 228, 230, 233, 234, 236, 239, 240, 243, 245, 250, 251, 252, 256, 257, 260, 261, 262, 263, 265, 268, 271, 272, 273, 278, 283, 284, 286, 289, 292, 293, 294, 295, 299, 301, 304, 305, 307, 308, 309, 311, 314, 315, 317, 320, 323, 325, 326, 328, 332, 333, 334, 335, 337, 338, 339, 340, 344, 346, 347, 348, 349, 350, 352, 353, 355, 356, 358, 361, 362, 364, 365, 367, 368, 373, 374, 376, 377, 378, 380, 381, 389, 395, 396, 397, 401, 402, 410, 421, 425, 428, 429, 430, 431, 432, 436, 438, 440, 442, 445, 447, 450, 452, 454, 455, 456, 457, 459, 460, 464, 465, 471, 472, 473, 475, 476, 482, 488, 490, 492, 494, 498, 500, 501, 502, 504, 506, 507, 508, 510, 511, 514, 518, 519, 530, 531, 533, 536, 538, 540, 543, 553, 560, 566, 567, 568, 570, 571, 579, 581, 589, 591, 592, 593, 594, 597, 598, 599, 601, 609, 613, 614, 621, 626, 627, 629, 631, 632, 633, 635, 637, 641, 643, 644, 645, 646, 647, 649, 651, 653, 655, 656, 657, 663, 665, 666, 667, 668, 669, 671, 674, 678, 680, 682, 683, 686, 691, 693, 695, 699, 701, 702, 703, 704, 705, 708, 716, 717, 719, 720, 721, 722, 724, 725, 726, 730, 733, 734, 735, 739, 740, 741, 743, 747, 752, 754, 758, 759, 763, 765, 766, 768, 770, 772, 773, 774, 776, 778, 781, 782, 785, 791, 795, 798, 799, 801, 803, 805, 809, 810, 812, 813, 814, 815, 817, 820, 821, 822, 823, 824, 827, 828, 832, 833, 834, 840, 843, 847, 850, 851, 853, 856, 861, 866, 867, 869, 870, 871, 873, 876, 877, 878, 884, 886, 888, 889, 890, 891, 892, 894, 897, 901, 904, 907, 910, 912, 913, 917, 920, 927, 928, 929, 936, 937, 942, 945, 946, 953, 954, 956, 957, 965, 968, 969, 970, 972, 973, 980, 981, 983, 987, 989, 991, 993, 998, 1001, 1003, 1006, 1007, 1009, 1011, 1012, 1014, 1015, 1022, 1023, 1025, 1028, 1029, 1036, 1038, 1039, 1040, 1041, 1043, 1045, 1048, 1050, 1051, 1054, 1056, 1061, 1062, 1063, 1069, 1073, 1074, 1075, 1077, 1078, 1079, 1080, 1081, 1082, 1084, 1087, 1089, 1091, 1096, 1097, 1098, 1099, 1102, 1105, 1106, 1107, 1111, 1114, 1116, 1120, 1121, 1125, 1126, 1128, 1129, 1130, 1133, 1134, 1138, 1139, 1140, 1141, 1143, 1147, 1151, 1153, 1156, 1159, 1161, 1163, 1166, 1168, 1172, 1175, 1177, 1183, 1185, 1192, 1196, 1203, 1207, 1209, 1212, 1219, 1220, 1224, 1228, 1230, 1231, 1232, 1235, 1237, 1238, 1239, 1240, 1241, 1242, 1243, 1245, 1246, 1249, 1252, 1254, 1256, 1259, 1264, 1266, 1267, 1270, 1272, 1274, 1276, 1278, 1281, 1282, 1286, 1289, 1292, 1299, 1300, 1305, 1306, 1308, 1312, 1313, 1314, 1317, 1318, 1320, 1321, 1322, 1323, 1328, 1329, 1331, 1334, 1337, 1342, 1345, 1348, 1349, 1353, 1354, 1357, 1358, 1361, 1362, 1363, 1364, 1371, 1372, 1373, 1378, 1379, 1385, 1386, 1387, 1388, 1389, 1390, 1391, 1392, 1395, 1400, 1402, 1406, 1416, 1417, 1420, 1422, 1424, 1425, 1426, 1427, 1428, 1430, 1431, 1432, 1435, 1438, 1439, 1440, 1441, 1443, 1444, 1445, 1450, 1451, 1452, 1453, 1454, 1455, 1459, 1462, 1466, 1467, 1469, 1472, 1478, 1482, 1484, 1485, 1487, 1489, 1490, 1491, 1493, 1495, 1496, 1498, 1503, 1504, 1510, 1512, 1516, 1517, 1518, 1522, 1525, 1526, 1528, 1533, 1536, 1542, 1543, 1544, 1545, 1546, 1547, 1551, 1552, 1556, 1558, 1560, 1561, 1562, 1568, 1569, 1577, 1581, 1585, 1586, 1587, 1588, 1590, 1591, 1593, 1594, 1602, 1603, 1604, 1605, 1606, 1607, 1611, 1612, 1613, 1620, 1621, 1622, 1623, 1624, 1627, 1631, 1632, 1633, 1636, 1637, 1639, 1641, 1643, 1645, 1648, 1652, 1653, 1654, 1655, 1658, 1660, 1668, 1672, 1677, 1682, 1684, 1690, 1691, 1694, 1695, 1699, 1711, 1713, 1716, 1717, 1718, 1723, 1727, 1728, 1735, 1738, 1743, 1745, 1751, 1753, 1754, 1755, 1756, 1760, 1763, 1765, 1766, 1767, 1769, 1770, 1772, 1777, 1778, 1779, 1780, 1785, 1786, 1788, 1791, 1796, 1797, 1799, 1805, 1810, 1812, 1816, 1821, 1822, 1823, 1824, 1834, 1835, 1840, 1841, 1846, 1848, 1849, 1852, 1853, 1855, 1860, 1870, 1872, 1879, 1882, 1884, 1890, 1894, 1896, 1897, 1903, 1909, 1912, 1913, 1916, 1919, 1926, 1928, 1935, 1936, 1938, 1940, 1941, 1944, 1949, 1951, 1953, 1956, 1957, 1958, 1959, 1961, 1963, 1964, 1970, 1973, 1975, 1978, 1981, 1982, 1985, 1986, 1988, 1989, 1990, 1992, 1993, 1995, 1996, 2002, 2003, 2008, 2013, 2014, 2015, 2017, 2019, 2020, 2021, 2024, 2025, 2029, 2034, 2035, 2038, 2042, 2043, 2044, 2046, 2047, 2049, 2052, 2053, 2058, 2059, 2061, 2062, 2064, 2069, 2072, 2073, 2077, 2079, 2081, 2082, 2088, 2093, 2095, 2100, 2107, 2109, 2111, 2112, 2119, 2121, 2126, 2127, 2130, 2131, 2132, 2133, 2139, 2142, 2146, 2149, 2159, 2160, 2161, 2162, 2167, 2168, 2169, 2171, 2173, 2177, 2179, 2180, 2183, 2184, 2185, 2186, 2188, 2191, 2192, 2193, 2194, 2195, 2196, 2197, 2198, 2199, 2200, 2209, 2212, 2213, 2215, 2219, 2222, 2223, 2224, 2226, 2230, 2231, 2233, 2240, 2243, 2245, 2247, 2250, 2251, 2254, 2260, 2261, 2262, 2266, 2267, 2274, 2276, 2278, 2279, 2280, 2281, 2282, 2285, 2290, 2293, 2301, 2309, 2311, 2313, 2317, 2320, 2321, 2322, 2324, 2329, 2332, 2333, 2334, 2335, 2336, 2338, 2339, 2340, 2344, 2348, 2352, 2356, 2359, 2360, 2361, 2362, 2364, 2366, 2367, 2369, 2370, 2376, 2378, 2379, 2383, 2388, 2390, 2395, 2398, 2400, 2404, 2405, 2406, 2409, 2410, 2412, 2419, 2420, 2421, 2423, 2424, 2425, 2429, 2435, 2437, 2440, 2441, 2442, 2444, 2445, 2446, 2448, 2450, 2452, 2464, 2465, 2472, 2475, 2477, 2484, 2488, 2496, 2497, 2499, 2501, 2503, 2511, 2512, 2515, 2516, 2517, 2518, 2521, 2523, 2524, 2525, 2528, 2529, 2530, 2532, 2538, 2539, 2540, 2546, 2550, 2551, 2552, 2556, 2557, 2559, 2571, 2574, 2575, 2577, 2589, 2592, 2593, 2594, 2595, 2597, 2600, 2602, 2604, 2605, 2606, 2607, 2608, 2609, 2610, 2616, 2620, 2622, 2623, 2624, 2625, 2626, 2628, 2629, 2630, 2633, 2635, 2636, 2638, 2642, 2644, 2645, 2647, 2652, 2653, 2655, 2657, 2660, 2663, 2664, 2665, 2667, 2671, 2672, 2675, 2677, 2678, 2685, 2686, 2687, 2694, 2697, 2702, 2703, 2707, 2713, 2714, 2715, 2716, 2717, 2726, 2727, 2730, 2731, 2732, 2733, 2740, 2742, 2744, 2746, 2747, 2749, 2754, 2757, 2760, 2761, 2762, 2764, 2765, 2766, 2767, 2768, 2769, 2771, 2777, 2781, 2783, 2788, 2789, 2791, 2792, 2793, 2795, 2796, 2798, 2801, 2803, 2805, 2806, 2807, 2810, 2813, 2814, 2815, 2816, 2818, 2820, 2821, 2822, 2823, 2824, 2829, 2833, 2837, 2838, 2841, 2843, 2844, 2845, 2846, 2851, 2854, 2857, 2860, 2861, 2865, 2870, 2871, 2876, 2877, 2878, 2880, 2881, 2882, 2884, 2885, 2898, 2899, 2902, 2904, 2905, 2910, 2912, 2915, 2916, 2917, 2920, 2921, 2923, 2928, 2933, 2935, 2937, 2942, 2944, 2946, 2949, 2953, 2954, 2955, 2960, 2965, 2967, 2968, 2972, 2976, 2978, 2979, 2980, 2983, 2985, 2991, 2998]}

scripts/eval-mgtv-glm-4-9b.sh

@@ -26,10 +26,10 @@ export MODEL_PREFIX=glm-4-9b_lora_sft_bf16
 export LOGICAL_REASONING_RESULTS_PATH=results/$MODEL_PREFIX-p1.csv
 export ADAPTER_PATH_BASE=llama-factory/saves/glm-4-9b/lora/sft_bf16_p1_full
 export USING_P1_PROMPT_TEMPLATE=true
-echo "Eval $MODEL_NAME with $ADAPTER_PATH_BASE"
-python llm_toolkit/eval_logical_reasoning_all_epochs.py
+#echo "Eval $MODEL_NAME with $ADAPTER_PATH_BASE"
+#python llm_toolkit/eval_logical_reasoning_all_epochs.py
 
-export START_EPOCH=0
+export START_EPOCH=1
 export LOGICAL_REASONING_RESULTS_PATH=results/$MODEL_PREFIX-p2.csv
 export ADAPTER_PATH_BASE=llama-factory/saves/glm-4-9b/lora/sft_bf16_p2_full
 export USING_P1_PROMPT_TEMPLATE=false