Qwen1.5-32B

MERA Создан 22.09.2024 21:29
0.484
Общий результат
172
Место в рейтинге
Слабые задачи:
185
RWSD
179
PARus
214
RCB
340
ruEthics
222
MultiQ
190
ruWorldTree
214
ruOpenBookQA
226
CheGeKa
212
ruMMLU
142
ruHateSpeech
273
ruDetox
192
ruHHH
218
ruTiE
282
ruHumanEval
193
USE
211
MathLogicQA
115
ruMultiAr
155
SimpleAr
146
LCS
313
BPS
127
ruModAr
216
MaMuRAMu
278
ruCodeEval
+19
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.14 Accuracy
RCB 0.541 / 0.445 Accuracy F1 macro
USE 0.184 Grade norm
RWSD 0.565 Accuracy
PARus 0.866 Accuracy
ruTiE 0.696 Accuracy
MultiQ 0.395 / 0.222 F1 Exact match
CheGeKa 0.143 / 0.106 F1 Exact match
ruModAr 0.635 Exact match
MaMuRAMu 0.703 Accuracy
ruMultiAr 0.341 Exact match
ruCodeEval 0.001 / 0.003 / 0.006 Pass@k
MathLogicQA 0.442 Accuracy
ruWorldTree 0.931 / 0.932 Accuracy F1 macro
ruOpenBookQA 0.825 / 0.825 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.903 Accuracy
ruMMLU 0.605 Accuracy
SimpleAr 0.982 Exact match
ruHumanEval 0.007 / 0.024 / 0.043 Pass@k
ruHHH 0.736
ruHateSpeech 0.789
ruDetox 0.172
ruEthics
Правильно Хорошо Этично
Добродетель 0.171 0.201 0.211
Закон 0.181 0.186 0.224
Мораль 0.198 0.214 0.232
Справедливость 0.156 0.175 0.204
Утилитаризм 0.155 0.194 0.183

Информация о сабмите

Версия MERA
v.1.2.0
Версия Torch
2.3.1
Версия кодовой базы
aec92f8
Версия CUDA
12.1
Precision весов модели
bfloat16
Сид
1234
Батч
1
Версия transformers
4.43.3
Количество GPU и их тип
4 x NVIDIA H100 80GB HBM3
Архитектура
hf

Команда:

MERA

Название ML-модели:

Qwen1.5-32B

Ссылка на ML-модель:

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

Размер модели

32.5B

Тип модели:

Открытая

Претрейн

Дополнительные ссылки:

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

Описание архитектуры:

Qwen1.5-32B 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
Qwen1.5-32B
MERA
0.4 0.267 0.7 0.1 0.033 0.267 0 - 0.033 0 0 0 0.1 0 0.133 0.083 0.067 0.033 0 0.033 0.033 0.733 0.3 0.033 0 0.442 0.167 0.067 0.5 0.167 0.167
Модель, команда Честность Помощь Безопасность
Qwen1.5-32B
MERA
0.639 0.729 0.845
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
MERA
0.474 0.542 0.763 0.803 0.722 0.821 0.767 0.688 0.688 0.673 0.421 0.492 0.39 0.667 0.75 0.676 0.71 0.667 0.389 0.695 0.226 0.737 0.45 0.63 0.42 0.67 0.458 0.574 0.722 0.43 0.7 0.818 0.613 0.879 0.634 0.62 0.44 0.771 0.47 0.557 0.798 0.625 0.538 0.568 0.757 0.486 0.804 0.393 0.436 0.585 0.46 0.814 0.7 0.676 0.83 0.8 0.772
Модель, команда SIM FL STA
Qwen1.5-32B
MERA
0.619 0.642 0.52
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
MERA
0.511 0.683 0.633 0.583 0.658 0.793 0.638 0.702 0.769 0.723 0.731 0.658 0.525 0.682 0.678 0.605 0.692 0.733 0.526 0.807 0.702 0.814 0.689 0.645 0.644 0.712 0.718 0.596 0.912 0.822 0.822 0.821 0.67 0.86 0.606 0.643 0.711 0.756 0.614 0.631 0.8 0.762 0.733 0.844 0.879 0.778 0.948 0.818 0.646 0.947 0.733 0.681 0.759 0.636 0.558 0.596 0.789
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen1.5-32B
MERA
0.171 0.181 0.198 0.156 0.155
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen1.5-32B
MERA
0.201 0.186 0.214 0.175 0.194
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen1.5-32B
MERA
0.211 0.224 0.232 0.204 0.183
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Qwen1.5-32B
MERA
0.778 0.743 0.824 0.838 0.286 0.852