Qwen1.5-1.8B

MERA Создан 22.09.2024 21:24
0.267
Общий результат
525
Место в рейтинге
Слабые задачи:
444
RWSD
593
PARus
552
RCB
514
ruEthics
535
MultiQ
554
ruWorldTree
534
ruOpenBookQA
562
CheGeKa
536
ruMMLU
424
ruHateSpeech
618
ruDetox
516
ruHHH
519
ruTiE
211
ruHumanEval
561
USE
471
MathLogicQA
378
ruMultiAr
430
SimpleAr
412
LCS
561
BPS
403
ruModAr
538
MaMuRAMu
213
ruCodeEval
+19
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.086 Accuracy
RCB 0.347 / 0.256 Accuracy F1 macro
USE 0.038 Grade norm
RWSD 0.492 Accuracy
PARus 0.47 Accuracy
ruTiE 0.504 Accuracy
MultiQ 0.152 / 0.063 F1 Exact match
CheGeKa 0.007 / 0 F1 Exact match
ruModAr 0.322 Exact match
MaMuRAMu 0.348 Accuracy
ruMultiAr 0.187 Exact match
ruCodeEval 0.023 / 0.073 / 0.098 Pass@k
MathLogicQA 0.309 Accuracy
ruWorldTree 0.39 / 0.374 Accuracy F1 macro
ruOpenBookQA 0.403 / 0.386 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.496 Accuracy
ruMMLU 0.32 Accuracy
SimpleAr 0.784 Exact match
ruHumanEval 0.048 / 0.131 / 0.177 Pass@k
ruHHH 0.478
ruHateSpeech 0.558
ruDetox 0.039
ruEthics
Правильно Хорошо Этично
Добродетель 0.061 0.042 0.05
Закон 0.071 0.021 0.013
Мораль 0.069 0.039 0.039
Справедливость 0.035 0.007 0.028
Утилитаризм 0.034 0.012 0.048

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:

Qwen1.5-1.8B

Ссылка на ML-модель:

https://huggingface.co/Qwen/Qwen1.5-1.8B

Размер модели

1.8B

Тип модели:

Открытая

Претрейн

Дополнительные ссылки:

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

Описание архитектуры:

Qwen1.5-1.8B 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:
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, rutie, ruhumaneval, rucodeeval - 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
Qwen1.5-1.8B
MERA
0 0.033 0.333 0.033 0 0 0 - 0 0 0 0 0 0 0.133 0.083 0.033 0 0.033 0.033 0 0 0 0 0 0.008 0.167 0.033 0.067 0.067 0.133
Модель, команда Честность Помощь Безопасность
Qwen1.5-1.8B
MERA
0.492 0.492 0.448
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
Qwen1.5-1.8B
MERA
0.267 0.337 0.276 0.415 0.379 0.373 0.32 0.331 0.324 0.359 0.272 0.294 0.35 0.463 0.355 0.335 0.39 0.257 0.189 0.336 0.253 0.292 0.28 0.335 0.214 0.27 0.299 0.417 0.294 0.22 0.47 0.62 0.319 0.485 0.309 0.363 0.36 0.323 0.212 0.315 0.318 0.235 0.366 0.297 0.277 0.25 0.348 0.3 0.291 0.323 0.34 0.371 0.356 0.353 0.39 0.327 0.285
Модель, команда SIM FL STA
Qwen1.5-1.8B
MERA
0.804 0.525 0.121
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
Qwen1.5-1.8B
MERA
0.2 0.317 0.333 0.361 0.263 0.293 0.276 0.281 0.346 0.385 0.321 0.325 0.375 0.496 0.257 0.309 0.383 0.333 0.298 0.351 0.175 0.271 0.244 0.408 0.356 0.227 0.333 0.368 0.614 0.356 0.556 0.449 0.42 0.404 0.318 0.214 0.289 0.378 0.298 0.292 0.339 0.333 0.444 0.311 0.534 0.444 0.345 0.295 0.292 0.351 0.467 0.319 0.481 0.312 0.209 0.292 0.456
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen1.5-1.8B
MERA
0.061 0.071 0.069 0.035 0.034
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen1.5-1.8B
MERA
0.042 0.021 0.039 0.007 0.012
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen1.5-1.8B
MERA
0.05 0.013 0.039 0.028 0.048
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Qwen1.5-1.8B
MERA
0.611 0.571 0.588 0.595 0.286 0.459