Qwen1.5-32B-Chat

MERA Создан 22.09.2024 21:27
0.491
Общий результат
161
Место в рейтинге
Слабые задачи:
80
RWSD
130
PARus
315
RCB
111
ruEthics
187
MultiQ
175
ruWorldTree
188
ruOpenBookQA
249
CheGeKa
189
ruMMLU
120
ruHateSpeech
328
ruDetox
99
ruHHH
170
ruTiE
300
ruHumanEval
147
USE
155
MathLogicQA
91
ruMultiAr
99
SimpleAr
92
LCS
347
BPS
271
ruModAr
190
MaMuRAMu
+18
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.16 Accuracy
RCB 0.511 / 0.459 Accuracy F1 macro
USE 0.219 Grade norm
RWSD 0.615 Accuracy
PARus 0.886 Accuracy
ruTiE 0.74 Accuracy
MultiQ 0.431 / 0.264 F1 Exact match
CheGeKa 0.125 / 0.077 F1 Exact match
ruModAr 0.472 Exact match
MaMuRAMu 0.714 Accuracy
ruMultiAr 0.364 Exact match
ruCodeEval 0 / 0 / 0 Pass@k
MathLogicQA 0.474 Accuracy
ruWorldTree 0.937 / 0.937 Accuracy F1 macro
ruOpenBookQA 0.848 / 0.848 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.863 Accuracy
ruMMLU 0.627 Accuracy
SimpleAr 0.99 Exact match
ruHumanEval 0.006 / 0.006 / 0.006 Pass@k
ruHHH 0.837
ruHateSpeech 0.8
ruDetox 0.144
ruEthics
Правильно Хорошо Этично
Добродетель 0.399 0.414 0.495
Закон 0.375 0.38 0.467
Мораль 0.443 0.438 0.534
Справедливость 0.32 0.335 0.444
Утилитаризм 0.327 0.345 0.419

Информация о сабмите

Версия MERA
v.1.2.0
Версия Torch
2.4.0
Версия кодовой базы
1195ac01
Версия CUDA
12.1
Precision весов модели
bfloat16
Сид
1234
Батч
1
Версия transformers
4.44.2
Количество GPU и их тип
4 x NVIDIA H100 80GB HBM3
Архитектура
openai-completions

Команда:

MERA

Название ML-модели:

Qwen1.5-32B-Chat

Ссылка на ML-модель:

https://huggingface.co/Qwen/Qwen1.5-32B-Chat

Размер модели

32.5B

Тип модели:

Открытая

SFT

Дополнительные ссылки:

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

Описание архитектуры:

Qwen1.5-32B-chat 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:

We pretrained the model with a large amount of data with next-token prediction task, and we post-trained the model with both Direct Policy Optimization (DPO) and Proximal Policy Optimization (PPO).

Данные претрейна:

Human conversations data formatted in ChatML-style and Qwen reward datasets, which are manually annotated Qwen models' answers.

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, chegeka, rudetox, rumultiar, use, multiq, rumodar, ruhumaneval, rucodeeval - 2048 \nbps, lcs, mathlogicqa, parus, rcb, ruhatespeech, rummlu, ruworldtree, ruopenbookqa, rwsd, mamuramu, ruethics - 8000 \nruhhh, rutie - 1000 \nruhhh - 2000

Описание темплейта:
{% for message in messages %}{% if loop.first and messages[0]['role'] != 'system' %}{{ '<|im_start|>system \nYou are a helpful assistant.<|im_end|> \n' }}{% endif %}{{'<|im_start|>' + message['role'] + ' \n' + message['content'] + '<|im_end|>' + ' \n'}}{% endfor %}{% if add_generation_prompt %}{{ '<|im_start|>assistant \n' }}{% endif %}

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
Qwen1.5-32B-Chat
MERA
0.4 0.333 0.8 0.2 0 0.133 0 - 0 0 0 0 0.033 0 0.067 0.233 0 0 0 0.067 0 0.767 0.4 0.1 0.133 0.475 0.067 0.1 0.467 0.5 0.5
Модель, команда Честность Помощь Безопасность
Qwen1.5-32B-Chat
MERA
0.787 0.864 0.862
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
Qwen1.5-32B-Chat
MERA
0.496 0.506 0.743 0.795 0.68 0.796 0.757 0.74 0.654 0.664 0.535 0.556 0.44 0.722 0.775 0.65 0.68 0.646 0.433 0.71 0.431 0.702 0.47 0.601 0.446 0.63 0.463 0.583 0.714 0.5 0.71 0.793 0.681 0.859 0.657 0.632 0.42 0.81 0.523 0.537 0.818 0.614 0.572 0.594 0.792 0.583 0.824 0.404 0.454 0.613 0.52 0.772 0.679 0.668 0.79 0.806 0.808
Модель, команда SIM FL STA
Qwen1.5-32B-Chat
MERA
0.329 0.606 0.76
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
Qwen1.5-32B-Chat
MERA
0.511 0.752 0.6 0.565 0.711 0.793 0.69 0.667 0.692 0.692 0.679 0.642 0.525 0.705 0.696 0.654 0.701 0.778 0.561 0.825 0.825 0.864 0.711 0.663 0.844 0.788 0.692 0.649 0.93 0.756 0.844 0.846 0.679 0.842 0.53 0.679 0.689 0.733 0.561 0.615 0.829 0.81 0.733 0.778 0.879 0.844 0.879 0.841 0.646 0.895 0.844 0.71 0.797 0.636 0.535 0.591 0.778
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen1.5-32B-Chat
MERA
0.399 0.375 0.443 0.32 0.327
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen1.5-32B-Chat
MERA
0.414 0.38 0.438 0.335 0.345
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen1.5-32B-Chat
MERA
0.495 0.467 0.534 0.444 0.419
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Qwen1.5-32B-Chat
MERA
0.843 0.686 0.765 0.784 0.571 0.836