Qwen2.5-Coder-7B-Instruct

MERA Создан 04.11.2024 17:55

0.458

Общий результат

174

Место в рейтинге

Слабые задачи:

500

RWSD

273

PARus

162

RCB

133

ruEthics

168

MultiQ

213

ruWorldTree

233

ruOpenBookQA

321

CheGeKa

251

ruMMLU

128

ruHateSpeech

247

ruDetox

299

ruHHH

141

ruTiE

ruHumanEval

146

USE

199

MathLogicQA

110

ruMultiAr

140

SimpleAr

107

LCS

BPS

190

ruModAr

243

MaMuRAMu

ruCodeEval

+19

Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача	Результат	Метрика
LCS	0.136	Accuracy
RCB	0.543 / 0.445	Accuracy F1 macro
USE	0.18	Grade norm
RWSD	0.435	Accuracy
PARus	0.726	Accuracy
ruTiE	0.721	Accuracy
MultiQ	0.399 / 0.302	F1 Exact match
CheGeKa	0.041 / 0.022	F1 Exact match
ruModAr	0.483	Exact match
MaMuRAMu	0.615	Accuracy
ruMultiAr	0.308	Exact match
ruCodeEval	0.207 / 0.412 / 0.494	Pass@k
MathLogicQA	0.416	Accuracy
ruWorldTree	0.865 / 0.865	Accuracy F1 macro
ruOpenBookQA	0.733 / 0.731	Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача

Результат

Метрика

BPS

0.994

Accuracy

ruMMLU

0.516

Accuracy

SimpleAr

0.978

Exact match

ruHumanEval

0.173 / 0.357 / 0.427

Pass@k

ruHHH

0.584

ruHateSpeech

0.777

ruDetox

0.161

ruEthics

	Правильно	Хорошо	Этично
Добродетель	0.38	0.372	0.386
Закон	0.369	0.368	0.362
Мораль	0.413	0.388	0.411
Справедливость	0.328	0.296	0.328
Утилитаризм	0.31	0.293	0.369

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

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-Coder-7B-Instruct

Ссылка на ML-модель:

https://huggingface.co/Qwen/Qwen2.5-Coder-7B-Instruct

Размер модели

7.0B

Тип модели:

Открытая

SFT

Дополнительные ссылки:

https://arxiv.org/pdf/2409.12186

Описание архитектуры:

Type: Causal Language Models Training Stage: Pretraining & Post-training Architecture: transformers with RoPE, SwiGLU, RMSNorm, and Attention QKV bias Number of Parameters: 7.61B Number of Paramaters (Non-Embedding): 6.53B Number of Layers: 28 Number of Attention Heads (GQA): 28 for Q and 4 for KV Context Length: Full 131,072 tokens

Описание обучения:

Данные претрейна:

Large-scale, high-quality, and diverse data forms the foundation of pre-trained models. To this end, we constructed a dataset named Qwen2.5-Coder-Data. This dataset comprises five key data types: Source Code Data, Text-Code Grounding Data, Synthetic Data, Math Data, and Text Data, totaling 5.5 trillion tokens.

Лицензия:

apache-2.0

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 - 5000

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.

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-Coder-7B-Instruct MERA	0.467	0.167	0.733	0.1	0.033	0.067	0	-	0	0	0	0	0	0.033	0.133	0.3	0	0.033	0.033	0	0.033	0.467	0.067	0.1	0.167	0.367	0.167	0.1	0.567	0.233	0.367

Модель, команда	Честность	Помощь	Безопасность
Qwen2.5-Coder-7B-Instruct MERA	0.541	0.559	0.655

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-Coder-7B-Instruct MERA	0.37	0.476	0.625	0.739	0.552	0.682	0.66	0.605	0.506	0.565	0.386	0.381	0.35	0.63	0.599	0.526	0.62	0.5	0.389	0.542	0.239	0.62	0.4	0.514	0.438	0.55	0.375	0.556	0.665	0.35	0.67	0.694	0.558	0.758	0.558	0.56	0.43	0.681	0.384	0.517	0.692	0.434	0.497	0.568	0.689	0.509	0.554	0.426	0.358	0.492	0.52	0.624	0.554	0.601	0.76	0.673	0.565

Модель, команда	SIM	FL	STA
Qwen2.5-Coder-7B-Instruct MERA	0.807	0.611	0.373

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-Coder-7B-Instruct MERA	0.444	0.604	0.467	0.509	0.618	0.552	0.552	0.649	0.558	0.585	0.577	0.642	0.442	0.659	0.503	0.593	0.673	0.689	0.491	0.667	0.298	0.661	0.756	0.609	0.8	0.621	0.564	0.509	0.807	0.644	0.778	0.667	0.679	0.754	0.5	0.661	0.733	0.778	0.509	0.477	0.641	0.651	0.733	0.733	0.862	0.889	0.707	0.818	0.615	0.772	0.756	0.435	0.709	0.571	0.512	0.491	0.711

Правильно

Хорошо

Этично

Модель, команда	Добродетель	Закон	Мораль	Справедливость	Утилитаризм
Qwen2.5-Coder-7B-Instruct MERA	0.38	0.369	0.413	0.328	0.31

Модель, команда	Добродетель	Закон	Мораль	Справедливость	Утилитаризм
Qwen2.5-Coder-7B-Instruct MERA	0.372	0.368	0.388	0.296	0.293

Модель, команда	Добродетель	Закон	Мораль	Справедливость	Утилитаризм
Qwen2.5-Coder-7B-Instruct MERA	0.386	0.362	0.411	0.328	0.369

Модель, команда	Женщины	Мужчины	ЛГБТ	Национальности	Мигранты	Другое
Qwen2.5-Coder-7B-Instruct MERA	0.778	0.743	0.706	0.757	0.571	0.852

Qwen2.5-Coder-7B-Instruct

Оценки по задачам лидерборда

Оценка на открытых задачах:

Информация о сабмите:

Команда:

Название ML-модели:

Ссылка на ML-модель:

Размер модели

Тип модели:

Дополнительные ссылки:

Описание архитектуры:

Описание обучения:

Данные претрейна:

Лицензия:

Параметры инференса

Оценки по подкатегориям

Подтвердите удаление сабмита