Qwen2.5-3B-Instruct

MERA Создан 04.11.2024 17:46
0.415
Общий результат
254
Место в рейтинге
Слабые задачи:
463
RWSD
237
PARus
148
RCB
331
ruEthics
184
MultiQ
219
ruWorldTree
239
ruOpenBookQA
361
CheGeKa
254
ruMMLU
176
ruHateSpeech
220
ruDetox
219
ruHHH
142
ruTiE
323
ruHumanEval
225
USE
179
MathLogicQA
174
ruMultiAr
197
SimpleAr
331
LCS
262
BPS
349
ruModAr
227
MaMuRAMu
+18
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.088 Accuracy
RCB 0.548 / 0.357 Accuracy F1 macro
USE 0.147 Grade norm
RWSD 0.462 Accuracy
PARus 0.766 Accuracy
ruTiE 0.721 Accuracy
MultiQ 0.391 / 0.263 F1 Exact match
CheGeKa 0.029 / 0.017 F1 Exact match
ruModAr 0.318 Exact match
MaMuRAMu 0.632 Accuracy
ruMultiAr 0.279 Exact match
ruCodeEval 0 / 0 / 0 Pass@k
MathLogicQA 0.428 Accuracy
ruWorldTree 0.861 / 0.861 Accuracy F1 macro
ruOpenBookQA 0.72 / 0.718 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.905 Accuracy
ruMMLU 0.516 Accuracy
SimpleAr 0.965 Exact match
ruHumanEval 0.001 / 0.005 / 0.006 Pass@k
ruHHH 0.657
ruHateSpeech 0.747
ruDetox 0.173
ruEthics
Правильно Хорошо Этично
Добродетель 0.153 0.203 0.191
Закон 0.149 0.182 0.173
Мораль 0.167 0.204 0.2
Справедливость 0.114 0.172 0.153
Утилитаризм 0.119 0.187 0.193

Информация о сабмите:

Версия MERA
v.1.2.0
Версия Torch
2.4.0
Версия кодовой базы
9b26db97
Версия CUDA
12.1
Precision весов модели
bfloat16
Сид
1234
Батч
1
Версия transformers
4.44.2
Количество GPU и их тип
1 x NVIDIA H100 80GB HBM3
Архитектура
vllm

Команда:

MERA

Название ML-модели:

Qwen2.5-3B-Instruct

Ссылка на ML-модель:

https://huggingface.co/Qwen/Qwen2.5-3B-Instruct

Размер модели

3.0B

Тип модели:

Открытая

SFT

Дополнительные ссылки:

https://qwenlm.github.io/blog/qwen2.5-llm/

Описание архитектуры:

Type: Causal Language Models Training Stage: Pretraining & Post-training Architecture: transformers with RoPE, SwiGLU, RMSNorm, Attention QKV bias and tied word embeddings Number of Parameters: 3.09B Number of Paramaters (Non-Embedding): 2.77B Number of Layers: 36 Number of Attention Heads (GQA): 16 for Q and 2 for KV Context Length: Full 32,768 tokens and generation 8192 tokens

Описание обучения:

-

Данные претрейна:

The size of the pre-training dataset is expanded from 7 trillion tokens to a maximum of 18 trillion tokens.

Лицензия:

qwen-research

Параметры инференса

Параметры генерации:
simplear - do_sample=false;until=["\n"]; \nchegeka - do_sample=false;until=["\n"]; \nrudetox - do_sample=false;until=["\n"]; \nrumultiar - do_sample=false;until=["\n"]; \nuse - do_sample=false;until=["\n","."]; \nmultiq - do_sample=false;until=["\n"]; \nrumodar - do_sample=false;until=["\n"]; \nruhumaneval - do_sample=true;until=["\nclass","\ndef","\n#","\nif","\nprint"];temperature=0.6; \nrucodeeval - do_sample=true;until=["\nclass","\ndef","\n#","\nif","\nprint"];temperature=0.6;

Размер контекста:
simplear, bps, lcs, chegeka, mathlogicqa, parus, rcb, rudetox, ruhatespeech, rummlu, ruworldtree, ruopenbookqa, rumultiar, use, rwsd, mamuramu, multiq, rumodar, ruethics, ruhhh, ruhumaneval, rucodeeval - 32768 \nrutie - 10000

Системный промпт:
Реши задачу по инструкции ниже. Не давай никаких объяснений и пояснений к своему ответу. Не пиши ничего лишнего. Пиши только то, что указано в инструкции. Если по инструкции нужно решить пример, то напиши только числовой ответ без хода решения и пояснений. Если по инструкции нужно вывести букву, цифру или слово, выведи только его. Если по инструкции нужно выбрать один из вариантов ответа и вывести букву или цифру, которая ему соответствует, то выведи только эту букву или цифру, не давай никаких пояснений, не добавляй знаки препинания, только 1 символ в ответе. Если по инструкции нужно дописать код функции на языке Python, пиши сразу код, соблюдая отступы так, будто ты продолжаешь функцию из инструкции, не давай пояснений, не пиши комментарии, используй только аргументы из сигнатуры функции в инструкции, не пробуй считывать данные через функцию input. Не извиняйся, не строй диалог. Выдавай только ответ и ничего больше.

Описание темплейта:
{%- if tools %} \n {{- '<|im_start|>system\n' }} \n {%- if messages[0]['role'] == 'system' %} \n {{- messages[0]['content'] }} \n {%- else %} \n {{- 'You are Qwen, created by Alibaba Cloud. You are a helpful assistant.' }} \n {%- endif %} \n {{- "\n\n# Tools\n\nYou may call one or more functions to assist with the user query.\n\nYou are provided with function signatures within <tools></tools> XML tags:\n<tools>" }} \n {%- for tool in tools %} \n {{- "\n" }} \n {{- tool | tojson }} \n {%- endfor %} \n {{- "\n</tools>\n\nFor each function call, return a json object with function name and arguments within <tool_call></tool_call> XML tags:\n<tool_call>\n{\"name\": <function-name>, \"arguments\": <args-json-object>}\n</tool_call><|im_end|>\n" }} \n{%- else %} \n {%- if messages[0]['role'] == 'system' %} \n {{- '<|im_start|>system\n' + messages[0]['content'] + '<|im_end|>\n' }} \n {%- else %} \n {{- '<|im_start|>system\nYou are Qwen, created by Alibaba Cloud. You are a helpful assistant.<|im_end|>\n' }} \n {%- endif %} \n{%- endif %} \n{%- for message in messages %} \n {%- if (message.role == "user") or (message.role == "system" and not loop.first) or (message.role == "assistant" and not message.tool_calls) %} \n {{- '<|im_start|>' + message.role + '\n' + message.content + '<|im_end|>' + '\n' }} \n {%- elif message.role == "assistant" %} \n {{- '<|im_start|>' + message.role }} \n {%- if message.content %} \n {{- '\n' + message.content }} \n {%- endif %} \n {%- for tool_call in message.tool_calls %} \n {%- if tool_call.function is defined %} \n {%- set tool_call = tool_call.function %} \n {%- endif %} \n {{- '\n<tool_call>\n{"name": "' }} \n {{- tool_call.name }} \n {{- '", "arguments": ' }} \n {{- tool_call.arguments | tojson }} \n {{- '}\n</tool_call>' }} \n {%- endfor %} \n {{- '<|im_end|>\n' }} \n {%- elif message.role == "tool" %} \n {%- if (loop.index0 == 0) or (messages[loop.index0 - 1].role != "tool") %} \n {{- '<|im_start|>user' }} \n {%- endif %} \n {{- '\n<tool_response>\n' }} \n {{- message.content }} \n {{- '\n</tool_response>' }} \n {%- if loop.last or (messages[loop.index0 + 1].role != "tool") %} \n {{- '<|im_end|>\n' }} \n {%- endif %} \n {%- endif %} \n{%- endfor %} \n{%- if add_generation_prompt %} \n {{- '<|im_start|>assistant\n' }} \n{%- endif %}

Развернуть информацию

Оценки по подкатегориям

Метрика: Grade Norm
Модель, команда 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 8_0 8_1 8_2 8_3 8_4
Qwen2.5-3B-Instruct
MERA
0.433 0.1 0.633 0.2 0 0.1 0 - 0.067 0.133 0.067 0 0 0 0.1 0.317 0 0 0.033 0 0 0.367 0.067 0 0 0.283 0.1 0.2 0.133 0.167 0.333
Модель, команда Честность Помощь Безопасность
Qwen2.5-3B-Instruct
MERA
0.607 0.661 0.707
Модель, команда Анатомия Вирусология Астрономия Маркетинг Нутрициология Социология Менеджмент Философия История древнего мира Геронтология Эконометрика Формальная логика Факторы глобального значения Юриспунденция Микс (разнообразный домен) Мораль Бизнес-этика Биология (школьная) Физика (школьная) Человеческая сексуальность Моральные сценарии Мировые религии Общая алгебра Медицина (школьная) Машинное обучение Генетика Профессиональное законодательство PR Безопасность Химия (школьная) Компьютерная безопасность Международное право Логические ошибки Политика Клинические знания Концептуальная физика Математика (школьная) Биология (университетская) Физика (университетская) Химия (университетская) География (университетская) Профессиональная медицина Электротехника Элементарная математика Психология (университетская) Статистика (университетская) История (университетская) Математика (университетская) Бухгалтерский учет Профессиональная психология Компьютерные науки (уровень колледжа) Мировая история (университетская) Макроэкономика Микроэкономика Компьютерные науки (университетские) История европы Государство и политика
Qwen2.5-3B-Instruct
MERA
0.511 0.434 0.572 0.722 0.585 0.667 0.621 0.592 0.552 0.552 0.36 0.381 0.37 0.667 0.622 0.555 0.54 0.472 0.4 0.58 0.258 0.661 0.36 0.526 0.348 0.58 0.363 0.583 0.616 0.39 0.7 0.653 0.552 0.717 0.513 0.517 0.38 0.677 0.437 0.478 0.697 0.504 0.572 0.509 0.68 0.519 0.613 0.396 0.365 0.492 0.45 0.717 0.541 0.529 0.67 0.721 0.57
Модель, команда SIM FL STA
Qwen2.5-3B-Instruct
MERA
0.748 0.602 0.429
Модель, команда Анатомия Вирусология Астрономия Маркетинг Питание Социология Менеджмент Философия Предыстория Геронтология Эконометрика Формальная логика Глобальные факты Юриспруденция Разное Моральные споры Деловая этика Биология (колледж) Физика (колле Человеческая сексуальность Моральные сценарии Мировые религии Абстрактная алгебра Медицина (колледж) Машинное обучение Генетика Профессиональное право PR Безопасность Химия (колледж) Компьютерная безопасность Международное право Логические ошибки Политика Клинические знания Концептуальная физика Математика (колледж) Биология (универ) Физика (универ) Химия (универ) География (универ) Проф медицина Электрика Элементарная математика Психология (универ) Статистика (универ) История (универ) Математика (универ) Бухгалтерия Проф психология Коммпьютерные науки (колледж) Мировая история (универ) Макроэкономика Микроэкономика Компьютерные науки (универ) История Европы Государство и политика
Qwen2.5-3B-Instruct
MERA
0.422 0.673 0.55 0.509 0.697 0.621 0.552 0.649 0.654 0.6 0.705 0.642 0.5 0.643 0.556 0.605 0.589 0.689 0.491 0.772 0.333 0.797 0.711 0.615 0.711 0.561 0.667 0.632 0.877 0.622 0.733 0.718 0.643 0.632 0.576 0.696 0.622 0.778 0.596 0.569 0.653 0.683 0.778 0.733 0.914 0.911 0.69 0.773 0.677 0.789 0.711 0.478 0.696 0.532 0.512 0.433 0.711
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-3B-Instruct
MERA
0.153 0.149 0.167 0.114 0.119
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-3B-Instruct
MERA
0.203 0.182 0.204 0.172 0.187
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-3B-Instruct
MERA
0.191 0.173 0.2 0.153 0.193
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Qwen2.5-3B-Instruct
MERA
0.741 0.714 0.706 0.757 0.429 0.82