Qwen1.5-0.5B

MERA Создан 22.09.2024 21:19
0.217
Общий результат
571
Место в рейтинге
Слабые задачи:
494
RWSD
574
PARus
568
RCB
599
MultiQ
588
ruWorldTree
585
ruOpenBookQA
568
CheGeKa
604
ruMMLU
432
ruHateSpeech
620
ruDetox
509
ruHHH
510
ruTiE
373
ruHumanEval
470
USE
535
MathLogicQA
457
ruMultiAr
447
SimpleAr
309
LCS
595
BPS
500
ruModAr
566
MaMuRAMu
257
ruCodeEval
+18
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.102 Accuracy
RCB 0.342 / 0.246 Accuracy F1 macro
USE 0.064 Grade norm
RWSD 0.481 Accuracy
PARus 0.486 Accuracy
ruTiE 0.505 Accuracy
MultiQ 0.064 / 0.014 F1 Exact match
CheGeKa 0.007 / 0 F1 Exact match
ruModAr 0.091 Exact match
MaMuRAMu 0.302 Accuracy
ruMultiAr 0.122 Exact match
ruCodeEval 0.003 / 0.014 / 0.024 Pass@k
MathLogicQA 0.276 Accuracy
ruWorldTree 0.276 / 0.173 Accuracy F1 macro
ruOpenBookQA 0.288 / 0.216 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.433 Accuracy
ruMMLU 0.24 Accuracy
SimpleAr 0.682 Exact match
ruHumanEval 0.002 / 0.009 / 0.018 Pass@k
ruHHH 0.483
ruHateSpeech 0.555
ruDetox 0.038
ruEthics
Правильно Хорошо Этично
Добродетель 0.041 -0.042 -0.027
Закон 0.055 -0.007 0.001
Мораль 0.032 -0.024 -0.022
Справедливость 0.026 -0.034 -0.009
Утилитаризм 0.029 -0.035 -0.015

Информация о сабмите

Версия MERA
v.1.2.0
Версия Torch
2.4.0
Версия кодовой базы
6ec745e0
Версия CUDA
12.1
Precision весов модели
bfloat16
Сид
1234
Батч
1
Версия transformers
4.43.2
Количество GPU и их тип
1 x NVIDIA H100 80GB HBM3
Архитектура
hf

Команда:

MERA

Название ML-модели:

Qwen1.5-0.5B

Ссылка на ML-модель:

https://huggingface.co/Qwen/Qwen1.5-0.5B

Размер модели

464.0M

Тип модели:

Открытая

Претрейн

Дополнительные ссылки:

https://qwenlm.github.io/blog/qwen1.5/

Описание архитектуры:

Qwen1.5-0.5B is based on the Transformer architecture with SwiGLU activation, attention QKV bias, group query attention, mixture of sliding window attention and full attention.

Описание обучения:

The model is trained using next-token prediction.

Данные претрейна:

Dataset consists of around 3T tokens and includes public web documents, encyclopedia, books, codes, etc. Additionally, dataset is multilingual, with a significant portion of the data being in English and Chinese. 1. To increase the diversity of our data, the deduplication techniques were employed, including exact-match deduplication after normalization and fuzzy deduplication using MinHash and LSH algorithms. 2. To filter out low-quality data, a combination of rule-based and machine-learning-based methods were used. 3. Texts are manually sampled from various sources and reviewed to ensure their quality. 4. To further enhance the performance of the model, high-quality instruction data have been incorporated into the pretraining process.

Лицензия:

tongyi-qianwen-research

Параметры инференса

Параметры генерации:
rudetox - 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; \nsimplear - do_sample=false;until=["\n"]; \nchegeka - do_sample=false;until=["\n"];

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

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
Qwen1.5-0.5B
MERA
0.1 0 0.167 0.133 0 0 0 - 0 0.033 0 0 0 0 0.1 0.25 0.033 0 0.033 0.033 0 0 0 0 0 0.083 0.167 0.033 0.067 0.167 0.267
Модель, команда Честность Помощь Безопасность
Qwen1.5-0.5B
MERA
0.492 0.492 0.466
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
Qwen1.5-0.5B
MERA
0.193 0.277 0.23 0.291 0.222 0.254 0.194 0.209 0.225 0.314 0.202 0.325 0.18 0.287 0.239 0.26 0.32 0.25 0.211 0.275 0.256 0.31 0.21 0.202 0.313 0.3 0.251 0.222 0.2 0.21 0.31 0.289 0.245 0.374 0.226 0.265 0.21 0.21 0.199 0.167 0.172 0.184 0.234 0.202 0.227 0.204 0.255 0.215 0.248 0.249 0.3 0.266 0.213 0.223 0.31 0.224 0.212
Модель, команда SIM FL STA
Qwen1.5-0.5B
MERA
0.744 0.534 0.167
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
Qwen1.5-0.5B
MERA
0.244 0.257 0.283 0.306 0.237 0.328 0.224 0.333 0.269 0.292 0.295 0.358 0.275 0.395 0.199 0.593 0.262 0.311 0.211 0.316 0.263 0.373 0.289 0.225 0.267 0.288 0.346 0.439 0.316 0.333 0.156 0.474 0.518 0.316 0.242 0.268 0.133 0.289 0.175 0.323 0.261 0.238 0.289 0.244 0.362 0.289 0.259 0.273 0.323 0.351 0.311 0.304 0.304 0.234 0.279 0.374 0.3
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen1.5-0.5B
MERA
0.041 0.055 0.032 0.026 0.029
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen1.5-0.5B
MERA
-0.042 -0.007 -0.024 -0.034 -0.035
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen1.5-0.5B
MERA
-0.027 0.001 -0.022 -0.009 -0.015
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Qwen1.5-0.5B
MERA
0.528 0.629 0.588 0.595 0.286 0.557