Qwen2.5-Math-72B-Instruct

MERA Создан 04.11.2024 17:59
0.462
Общий результат
166
Место в рейтинге

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.132 Accuracy
RCB 0.534 / 0.476 Accuracy F1 macro
USE 0.177 Grade norm
RWSD 0.604 Accuracy
PARus 0.87 Accuracy
ruTiE 0.783 Accuracy
MultiQ 0.254 / 0.117 F1 Exact match
CheGeKa 0.074 / 0.043 F1 Exact match
ruModAr 0 Exact match
MaMuRAMu 0.729 Accuracy
ruMultiAr 0.429 Exact match
ruCodeEval 0.001 / 0.003 / 0.006 Pass@k
MathLogicQA 0.645 Accuracy
ruWorldTree 0.949 / 0.948 Accuracy F1 macro
ruOpenBookQA 0.86 / 0.86 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.967 Accuracy
ruMMLU 0.665 Accuracy
SimpleAr 0.998 Exact match
ruHumanEval 0.008 / 0.012 / 0.012 Pass@k
ruHHH 0.64
ruHateSpeech 0.747
ruDetox 0.118
ruEthics
Правильно Хорошо Этично
Добродетель 0.207 0.392 0.426
Закон 0.277 0.452 0.42
Мораль 0.253 0.429 0.44
Справедливость 0.204 0.377 0.414
Утилитаризм 0.191 0.333 0.34

Информация о сабмите:

Версия MERA
v.1.2.0
Версия Torch
2.4.0
Версия кодовой базы
fea61e4
Версия CUDA
12.1
Precision весов модели
bfloat16bfloat16
Сид
1234
Батч
1
Версия transformers
4.45.1
Количество GPU и их тип
8 x NVIDIA H100 80GB HBM3
Архитектура
hf

Команда:

MERA

Название ML-модели:

Qwen2.5-Math-72B-Instruct

Ссылка на ML-модель:

https://huggingface.co/Qwen/Qwen2.5-Math-72B-Instruct

Размер модели

72.7B

Тип модели:

Открытая

SFT

Дополнительные ссылки:

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

Описание архитектуры:

-

Описание обучения:

-

Данные претрейна:

First, the Qwen2-Math base models are trained on a high-quality mathematical pre-training dataset called the Qwen Math Corpus v1, which contains approximately 700 billion tokens. Second, we train a math-specific reward model Qwen2-Math-RM, derived from Qwen2-Math-72B, to create the Qwen2-Math-Instruct models. This reward model is used to construct Supervised Fine-Tuning (SFT) data through Rejection Sampling. Third, leveraging the Qwen2-Math-72B-Instruct model, we synthesize additional high-quality mathematical pre-training data, which serves as the foundation for Qwen Math Corpus v2. This updated corpus contains over 1 trillion tokens and is used to pre-train the Qwen2.5-Math models. Lastly, similar to the process used for the Qwen2-Math-Instruct models, we construct the Qwen2.5-Math-RM and Qwen2.5-Math-Instruct models.

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, rutie - 4096

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 {{- 'Please reason step by step, and put your final answer within \\boxed{}.' }} \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\nPlease reason step by step, and put your final answer within \\boxed{}.<|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-Math-72B-Instruct
MERA
0.4 0.3 0.667 0.067 0.067 0.233 0.033 - 0 0 0.033 0 0.067 0 0.067 0.217 0 0 0 0 0 0.233 0.1 0.033 0 0.492 0 0.167 0.6 0.267 0.3
Модель, команда Честность Помощь Безопасность
Qwen2.5-Math-72B-Instruct
MERA
0.541 0.661 0.724
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-Math-72B-Instruct
MERA
0.504 0.488 0.855 0.829 0.686 0.771 0.738 0.701 0.63 0.691 0.64 0.556 0.53 0.713 0.745 0.665 0.68 0.778 0.678 0.618 0.398 0.731 0.65 0.676 0.625 0.7 0.439 0.639 0.706 0.59 0.75 0.777 0.693 0.808 0.653 0.821 0.72 0.884 0.695 0.714 0.798 0.621 0.683 0.78 0.824 0.773 0.765 0.589 0.521 0.651 0.69 0.759 0.795 0.887 0.88 0.752 0.767
Модель, команда SIM FL STA
Qwen2.5-Math-72B-Instruct
MERA
0.42 0.665 0.536
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-Math-72B-Instruct
MERA
0.444 0.723 0.733 0.639 0.75 0.741 0.672 0.719 0.673 0.723 0.821 0.75 0.508 0.674 0.614 0.642 0.682 0.8 0.789 0.789 0.579 0.763 0.889 0.734 0.844 0.773 0.615 0.649 0.895 0.8 0.822 0.808 0.732 0.842 0.53 0.839 0.844 0.844 0.737 0.723 0.816 0.73 0.822 0.933 0.862 0.889 0.862 0.932 0.677 0.86 0.889 0.594 0.848 0.727 0.605 0.538 0.789
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-Math-72B-Instruct
MERA
0.207 0.277 0.253 0.204 0.191
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-Math-72B-Instruct
MERA
0.392 0.452 0.429 0.377 0.333
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-Math-72B-Instruct
MERA
0.426 0.42 0.44 0.414 0.34
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Qwen2.5-Math-72B-Instruct
MERA
0.713 0.686 0.824 0.784 0.571 0.82