Spaces:
Running
on
CPU Upgrade
Running
on
CPU Upgrade
import gradio as gr | |
import pandas as pd | |
csv_filename = 'leaderboard.csv' | |
# url = 'https://docs.google.com/spreadsheets/d/1Oh3nrbdWjKuh9twJsc9yJLppiJeD_BZyKgCTOxRkALM/export?format=csv' | |
def get_data_classifica(): | |
dataset = pd.read_csv("leaderboard_general.csv", sep=',') | |
if 'model ' in dataset.columns: | |
dataset.rename(columns={'model ': 'model'}, inplace=True) | |
df_classifica = dataset[['model', 'helloswag_it acc norm', 'arc_it acc norm', 'm_mmul acc shot 5']] | |
df_classifica['media'] = df_classifica[['helloswag_it acc norm', 'arc_it acc norm', 'm_mmul acc shot 5']].mean(axis=1) | |
df_classifica['media'] = df_classifica['media'].round(3) | |
df_classifica = df_classifica.sort_values(by='media', ascending=False) | |
df_classifica = df_classifica[['model', 'media', 'helloswag_it acc norm', 'arc_it acc norm', 'm_mmul acc shot 5']] | |
return df_classifica | |
def get_data_totale(): | |
dataset = pd.read_csv("leaderboard_general.csv", sep=',') | |
if 'model ' in dataset.columns: | |
dataset.rename(columns={'model ': 'model'}, inplace=True) | |
return dataset | |
with gr.Blocks() as demo: | |
with gr.Tab('Classifica Generale'): | |
gr.Markdown('''# Classifica generale degli LLM italiani''') | |
discord_link = 'https://discord.gg/m7sS3mduY2' | |
gr.Markdown(''' | |
I modelli sottostanti sono stati testati con [lm_evaluation_harness](https://github.com/EleutherAI/lm-evaluation-harness) su task specifici per l'italiano introdotti con questa [PR](https://github.com/EleutherAI/lm-evaluation-harness/pull/1358). | |
L'intero progetto, i modelli e i dataset sono rigorosamente open source e tutti i risultati sono riproducibili lanciando dei comandi come questo: | |
``` | |
lm_eval --model hf --model_args pretrained=HUGGINGFACE_MODEL_ID --tasks xcopa_it,hellaswag_it,lambada_openai_mt_it,belebele_ita_Latn,arc_it --device cuda:0 --batch_size 8 | |
``` | |
''') | |
gr.DataFrame(get_data_classifica, every=3600) | |
gr.Markdown(f"Contributore principale: @giux78") | |
gr.Markdown(''' | |
### Reference on Italian task from mixtral paper | |
| Model | Arc-c | HellaS | MMUL | AVG | | |
| --- | --- | --- | --- | --- | | |
| Mixtral 7x8 | 52.8 | 75.1 | 70.9 | 66.26666667 | | |
| LLama2 70b | 49.4 | 70.9 | 65.1 | 61.8 | | |
| LLama1 34B | 42.9 | 65.4 | 49.0 | 52.43333333 | | |
| Mistral 7B | 41.49 | 61.22 | 52.53 | 51.74 | | |
''') | |
with gr.Tab('Classifica RAG'): | |
gr.Markdown('''# Classifica RAG degli LLM italiani''') | |
gr.Markdown(f'''In questa sezione i modelli sono valutati su dei task di Q&A e ordinati per F1 Score e EM (Exact Match). La repo di riferimento è [questa](https://github.com/C080/open-llm-ita-leaderboard). | |
I modelli in cima alla classifica sono ritenuti preferibili per i task di Retrieval Augmented Generation.''') | |
gr.Dataframe(pd.read_csv(csv_filename, sep=';')) | |
gr.Markdown(f"Si ringrazia il @galatolo per il codice dell'eval.") | |
with gr.Tab('Eval aggiuntive'): | |
gr.Markdown('''# Altre evaluation''') | |
gr.Markdown('''Qui ci sono altri test di altri modelli, che non sono ancora stati integrati nella classifica generale.''') | |
gr.DataFrame(get_data_totale, every=3600) | |
with gr.Tab('Informazioni'): | |
form_link = "https://forms.gle/Gc9Dfu52xSBhQPpAA" | |
gr.Markdown('''# Community discord | |
Se vuoi contribuire al progetto o semplicemente unirti alla community di LLM italiani unisciti al nostro [discord!](https://discord.gg/m7sS3mduY2) | |
# Aggiungi il tuo modello | |
Se hai sviluppato un tuo modello che vuoi far valutare, compila il form [qui](https://forms.gle/Gc9Dfu52xSBhQPpAA) è tutto gratuito! | |
''') | |
with gr.Tab('Sponsor'): | |
gr.Markdown(''' | |
# Sponsor | |
Le evaluation della classifica generale sono state gentilmente offerte da un provider cloud italiano [seeweb.it](https://www.seeweb.it/) specializzato in servizi di GPU cloud e AI. | |
''') | |
demo.launch() |