Language Modelling

Bestes Modell: Gpt3

Bestes Modell: MMLU

Bestes Modell: GLM-130B (3-shot)

Bestes Modell: Primer

Bestes Modell: GLM-130B

Bestes Modell: GLM-130B

Bestes Modell: Transformer-LS (small)

Bestes Modell: GPT-2 (48 layers, h=1600)

Bestes Modell: PAR Transformer 24B

Bestes Modell: Transformer-XL + RMS dynamic eval

Bestes Modell: GPT-3 175B (Few-Shot)

Bestes Modell: GPT2

Bestes Modell: MDLM (AR baseline)

Bestes Modell: GPT2-Hermite

Bestes Modell: Mogrifier LSTM + dynamic eval

Bestes Modell: GPT-3 (Zero-Shot)

Bestes Modell: I-DARTS

Bestes Modell: Spirit-LM (Expr.)

Bestes Modell: Gopher

Bestes Modell: GPT-2

Bestes Modell: Transformer-LS (small)

Bestes Modell: Test-Time Fine-Tuning with SIFT + Llama-3.2 (3B)

Bestes Modell: Hybrid 4-gram VietMed-Train + ExtraText

Bestes Modell: FLASH-Quad-8k

Bestes Modell: RETRO (7.5B)

Bestes Modell: SparseGPT (175B, 50% Sparsity)