Qwen1.5-4B-Chat

MERA Создан 22.09.2024 21:31
0.314
Общий результат
462
Место в рейтинге
Слабые задачи:
315
RWSD
494
PARus
499
RCB
482
ruEthics
400
MultiQ
474
ruWorldTree
448
ruOpenBookQA
506
CheGeKa
446
ruMMLU
486
ruHateSpeech
548
ruDetox
504
ruHHH
378
ruTiE
483
USE
348
MathLogicQA
343
ruMultiAr
333
SimpleAr
396
LCS
504
BPS
452
ruModAr
476
MaMuRAMu
+17
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.088 Accuracy
RCB 0.393 / 0.351 Accuracy F1 macro
USE 0.06 Grade norm
RWSD 0.523 Accuracy
PARus 0.528 Accuracy
ruTiE 0.563 Accuracy
MultiQ 0.266 / 0.18 F1 Exact match
CheGeKa 0.013 / 0 F1 Exact match
ruModAr 0.194 Exact match
MaMuRAMu 0.432 Accuracy
ruMultiAr 0.215 Exact match
ruCodeEval 0 / 0 / 0 Pass@k
MathLogicQA 0.365 Accuracy
ruWorldTree 0.596 / 0.596 Accuracy F1 macro
ruOpenBookQA 0.548 / 0.546 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.549 Accuracy
ruMMLU 0.4 Accuracy
SimpleAr 0.92 Exact match
ruHumanEval 0 / 0 / 0 Pass@k
ruHHH 0.483
ruHateSpeech 0.525
ruDetox 0.055
ruEthics
Правильно Хорошо Этично
Добродетель 0.094 0.226 0.09
Закон 0.068 0.218 0.113
Мораль 0.104 0.222 0.107
Справедливость 0.038 0.206 0.067
Утилитаризм 0.068 0.154 0.095

Информация о сабмите

Версия MERA
v.1.2.0
Версия Torch
2.4.0
Версия кодовой базы
9b26db97
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
vllm

Команда:

MERA

Название ML-модели:

Qwen1.5-4B-Chat

Ссылка на ML-модель:

https://huggingface.co/Qwen/Qwen1.5-4B-Chat

Размер модели

4.0B

Тип модели:

Открытая

SFT

Дополнительные ссылки:

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

Описание архитектуры:

Qwen1.5-4B-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"]; \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; \nrudetox - do_sample=false;until=["\n"];

Размер контекста:
simplear, bps, lcs, chegeka, mathlogicqa, ruworldtree, ruopenbookqa, rumultiar, use, rwsd, mamuramu, multiq, rumodar, ruethics, ruhhh, ruhumaneval, rucodeeval, parus, rcb, rudetox, ruhatespeech, rummlu - 32768 \nrutie - 5000 \nrutie - 10000

Системный промпт:
Реши задачу по инструкции ниже. Не давай никаких объяснений и пояснений к своему ответу. Не пиши ничего лишнего. Пиши только то, что указано в инструкции. Если по инструкции нужно решить пример, то напиши только числовой ответ без хода решения и пояснений. Если по инструкции нужно вывести букву, цифру или слово, выведи только его. Если по инструкции нужно выбрать один из вариантов ответа и вывести букву или цифру, которая ему соответствует, то выведи только эту букву или цифру, не давай никаких пояснений, не добавляй знаки препинания, только 1 символ в ответе. Если по инструкции нужно дописать код функции на языке Python, пиши сразу код, соблюдая отступы так, будто ты продолжаешь функцию из инструкции, не давай пояснений, не пиши комментарии, используй только аргументы из сигнатуры функции в инструкции, не пробуй считывать данные через функцию input. Не извиняйся, не строй диалог. Выдавай только ответ и ничего больше.

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
Qwen1.5-4B-Chat
MERA
0.033 0.067 0.267 0.133 0 0.1 0 - 0 0 0 0 0 0 0.1 0.167 0.033 0.033 0 0.033 0 0 0.033 0 0.1 0.042 0.133 0.133 0.1 0.1 0.133
Модель, команда Честность Помощь Безопасность
Qwen1.5-4B-Chat
MERA
0.443 0.525 0.483
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
Qwen1.5-4B-Chat
MERA
0.341 0.331 0.48 0.581 0.415 0.567 0.485 0.479 0.355 0.399 0.263 0.413 0.29 0.537 0.421 0.439 0.45 0.319 0.356 0.435 0.25 0.374 0.25 0.41 0.304 0.36 0.334 0.472 0.588 0.37 0.41 0.628 0.46 0.515 0.4 0.389 0.35 0.458 0.351 0.404 0.449 0.349 0.4 0.395 0.444 0.44 0.436 0.319 0.372 0.377 0.43 0.527 0.41 0.433 0.45 0.473 0.425
Модель, команда SIM FL STA
Qwen1.5-4B-Chat
MERA
0.845 0.502 0.156
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
Qwen1.5-4B-Chat
MERA
0.311 0.426 0.317 0.463 0.382 0.466 0.362 0.351 0.385 0.431 0.603 0.367 0.333 0.426 0.363 0.333 0.561 0.289 0.211 0.491 0.211 0.492 0.378 0.385 0.622 0.53 0.449 0.386 0.702 0.333 0.689 0.449 0.339 0.491 0.47 0.304 0.4 0.6 0.368 0.354 0.424 0.349 0.6 0.444 0.793 0.622 0.414 0.341 0.646 0.632 0.622 0.304 0.519 0.558 0.302 0.298 0.544
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen1.5-4B-Chat
MERA
0.094 0.068 0.104 0.038 0.068
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen1.5-4B-Chat
MERA
0.226 0.218 0.222 0.206 0.154
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen1.5-4B-Chat
MERA
0.09 0.113 0.107 0.067 0.095
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Qwen1.5-4B-Chat
MERA
0.556 0.457 0.529 0.568 0.571 0.475