Qwen2.5-Math-7B-Instruct

MERA Создан 04.11.2024 18:01

0.293

Общий результат

437

Место в рейтинге

Слабые задачи:

392

RWSD

446

PARus

349

RCB

563

MultiQ

409

ruWorldTree

423

ruOpenBookQA

555

CheGeKa

404

ruMMLU

521

ruHateSpeech

511

ruDetox

555

ruHHH

495

ruTiE

295

ruHumanEval

451

USE

MathLogicQA

127

ruMultiAr

SimpleAr

424

LCS

378

BPS

413

MaMuRAMu

+16

Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача	Результат	Метрика
LCS	0.068	Accuracy
RCB	0.477 / 0.424	Accuracy F1 macro
USE	0.052	Grade norm
RWSD	0.492	Accuracy
PARus	0.514	Accuracy
ruTiE	0.496	Accuracy
MultiQ	0.003 / 0	F1 Exact match
CheGeKa	0.001 / 0	F1 Exact match
ruModAr	0	Exact match
MaMuRAMu	0.433	Accuracy
ruMultiAr	0.3	Exact match
ruCodeEval	0 / 0 / 0	Pass@k
MathLogicQA	0.479	Accuracy
ruWorldTree	0.6 / 0.598	Accuracy F1 macro
ruOpenBookQA	0.503 / 0.502	Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача

Результат

Метрика

BPS

0.699

Accuracy

ruMMLU

0.381

Accuracy

SimpleAr

0.989

Exact match

ruHumanEval

0.003 / 0.01 / 0.012

Pass@k

ruHHH

0.073

ruHateSpeech

0.457

ruDetox

0.052

ruEthics

	Правильно	Хорошо	Этично
Добродетель	-0.012	0.008	-0.021
Закон	-0.01	0.004	-0.019
Мораль	-0.012	0.001	-0.028
Справедливость	-0.012	0.004	-0.025
Утилитаризм	-0.003	-0.001	-0.032

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-Math-7B-Instruct

Ссылка на ML-модель:

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

Размер модели

7.0B

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.

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-7B-Instruct MERA	0.133	0	0.233	0.033	0	0	0	-	0.033	0	0	0	0	0	0.133	0.217	0	0.033	0	0.033	0	0	0.033	0	0	0.158	0	0	0.033	0	0

Модель, команда	Честность	Помощь	Безопасность
Qwen2.5-Math-7B-Instruct MERA	0.066	0.085	0.069

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-7B-Instruct MERA	0.333	0.361	0.447	0.513	0.418	0.438	0.466	0.421	0.324	0.327	0.368	0.429	0.21	0.463	0.427	0.399	0.41	0.326	0.4	0.366	0.239	0.275	0.38	0.382	0.295	0.42	0.278	0.361	0.371	0.37	0.52	0.57	0.374	0.394	0.411	0.534	0.39	0.452	0.404	0.443	0.465	0.364	0.455	0.576	0.39	0.519	0.289	0.4	0.298	0.334	0.45	0.359	0.428	0.542	0.55	0.291	0.352

Модель, команда	SIM	FL	STA
Qwen2.5-Math-7B-Instruct MERA	0.34	0.287	0.596

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-7B-Instruct MERA	0.222	0.277	0.533	0.389	0.289	0.431	0.448	0.316	0.212	0.323	0.705	0.492	0.317	0.419	0.275	0.383	0.505	0.422	0.386	0.456	0.263	0.305	0.733	0.385	0.667	0.424	0.372	0.298	0.737	0.533	0.644	0.333	0.384	0.333	0.379	0.679	0.8	0.467	0.561	0.369	0.408	0.333	0.444	0.733	0.655	0.911	0.276	0.818	0.462	0.474	0.533	0.333	0.544	0.494	0.372	0.327	0.478

Правильно

Хорошо

Этично

Модель, команда	Добродетель	Закон	Мораль	Справедливость	Утилитаризм
Qwen2.5-Math-7B-Instruct MERA	-0.012	-0.01	-0.012	-0.012	-0.003

Модель, команда	Добродетель	Закон	Мораль	Справедливость	Утилитаризм
Qwen2.5-Math-7B-Instruct MERA	0.008	0.004	0.001	0.004	-0.001

Модель, команда	Добродетель	Закон	Мораль	Справедливость	Утилитаризм
Qwen2.5-Math-7B-Instruct MERA	-0.021	-0.019	-0.028	-0.025	-0.032

Модель, команда	Женщины	Мужчины	ЛГБТ	Национальности	Мигранты	Другое
Qwen2.5-Math-7B-Instruct MERA	0.407	0.514	0.412	0.432	0.571	0.525

Qwen2.5-Math-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