Qwen2.5-32B-Instruct

RCC MSU Создан 13.11.2024 13:47
0.603
Общий результат
21
Место в рейтинге

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.17 Accuracy
RCB 0.564 / 0.519 Accuracy F1 macro
USE 0.339 Grade norm
RWSD 0.669 Accuracy
PARus 0.936 Accuracy
ruTiE 0.865 Accuracy
MultiQ 0.585 / 0.452 F1 Exact match
CheGeKa 0.191 / 0.147 F1 Exact match
ruModAr 0.628 Exact match
MaMuRAMu 0.823 Accuracy
ruMultiAr 0.428 Exact match
ruCodeEval 0.364 / 0.454 / 0.5 Pass@k
MathLogicQA 0.704 Accuracy
ruWorldTree 0.983 / 0.983 Accuracy F1 macro
ruOpenBookQA 0.923 / 0.741 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.99 Accuracy
ruMMLU 0.747 Accuracy
SimpleAr 0.994 Exact match
ruHumanEval 0.348 / 0.432 / 0.463 Pass@k
ruHHH 0.848
ruHateSpeech 0.857
ruDetox 0.327
ruEthics
Правильно Хорошо Этично
Добродетель 0.37 0.352 0.418
Закон 0.35 0.342 0.396
Мораль 0.387 0.378 0.446
Справедливость 0.314 0.306 0.381
Утилитаризм 0.3 0.299 0.378

Информация о сабмите:

Версия MERA
v.1.2.0
Версия Torch
2.4.0
Версия кодовой базы
430295f
Версия CUDA
12.1
Precision весов модели
auto
Сид
1234
Батч
4
Версия transformers
4.45.2
Количество GPU и их тип
1 x NVIDIA A100
Архитектура
vllm

Команда:

RCC MSU

Название ML-модели:

Qwen2.5-32B-Instruct

Ссылка на ML-модель:

https://huggingface.co/Qwen/Qwen2.5-32B-Instruct

Размер модели

32.0B

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, and Attention QKV bias Number of Parameters: 32.5B Number of Paramaters (Non-Embedding): 31.0B Number of Layers: 64 Number of Attention Heads (GQA): 40 for Q and 8 for KV Context Length: Full 131,072 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:

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, chegeka, rudetox, rumultiar, use, multiq, rumodar, ruhumaneval, rucodeeval - 8192 \nrutie - 3000

Системный промпт:
Решай задачу строго по инструкции. Только ответ, без объяснений. Числовой ответ — только число. Буква, цифра или слово — только их. Выбор варианта ответа — одна буква или цифра. Ответ должен быть точным, без лишних символов или слов. В случае, если нужно сгенерировать код на Python — твоим ответом должен быть только код (продолжения кода из инструкции), не повтореняй имя функции, не давай пояснений, не пиши комментариев, не используй input, пиши код так, чтобы он дополнял функцию из инструкции (с соответствующими отступами) и всегда начинай написание кода с переноса строки!

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
Qwen2.5-32B-Instruct
RCC MSU
0.433 0.5 0.833 0.1 0.233 0.467 0.133 - 0.067 0.1 0.1 0.067 0.167 0.133 0.167 0.35 0.033 0.033 0 0.067 0.033 0.767 0.467 0.367 0.233 0.758 0.2 0.3 0.533 0.633 0.633
Модель, команда Честность Помощь Безопасность
Qwen2.5-32B-Instruct
RCC MSU
0.836 0.831 0.879
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
Qwen2.5-32B-Instruct
RCC MSU
0.659 0.536 0.921 0.85 0.814 0.846 0.806 0.801 0.849 0.749 0.658 0.635 0.55 0.787 0.824 0.757 0.8 0.896 0.644 0.84 0.524 0.871 0.7 0.728 0.652 0.89 0.538 0.667 0.792 0.56 0.82 0.843 0.791 0.889 0.8 0.842 0.68 0.894 0.709 0.729 0.869 0.787 0.703 0.854 0.893 0.806 0.887 0.641 0.553 0.748 0.76 0.861 0.838 0.882 0.87 0.83 0.876
Модель, команда SIM FL STA
Qwen2.5-32B-Instruct
RCC MSU
0.629 0.697 0.777
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
Qwen2.5-32B-Instruct
RCC MSU
0.667 0.911 0.767 0.676 0.895 0.828 0.707 0.667 0.827 0.815 0.833 0.792 0.583 0.791 0.807 0.765 0.794 0.844 0.737 0.842 0.807 0.932 0.933 0.888 0.867 0.848 0.821 0.702 0.947 0.8 0.844 0.936 0.821 0.912 0.712 0.821 0.911 0.867 0.737 0.754 0.869 0.889 0.844 1 0.897 0.911 0.897 0.932 0.877 0.947 0.867 0.87 0.861 0.779 0.628 0.778 0.889
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-32B-Instruct
RCC MSU
0.37 0.35 0.387 0.314 0.3
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-32B-Instruct
RCC MSU
0.352 0.342 0.378 0.306 0.299
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-32B-Instruct
RCC MSU
0.418 0.396 0.446 0.381 0.378
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Qwen2.5-32B-Instruct
RCC MSU
0.88 0.771 0.882 0.811 0.857 0.885