Qwen1.5-7B

MERA Создан 22.09.2024 21:40
0.374
Общий результат
362
Место в рейтинге
Слабые задачи:
206
RWSD
432
PARus
414
RCB
437
ruEthics
296
MultiQ
399
ruWorldTree
370
ruOpenBookQA
371
CheGeKa
392
ruMMLU
349
ruHateSpeech
412
ruDetox
351
ruHHH
393
ruTiE
325
ruHumanEval
502
USE
314
MathLogicQA
236
ruMultiAr
241
SimpleAr
472
LCS
410
BPS
233
ruModAr
382
MaMuRAMu
290
ruCodeEval
+19
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.072 Accuracy
RCB 0.473 / 0.419 Accuracy F1 macro
USE 0.056 Grade norm
RWSD 0.558 Accuracy
PARus 0.6 Accuracy
ruTiE 0.556 Accuracy
MultiQ 0.345 / 0.17 F1 Exact match
CheGeKa 0.043 / 0.022 F1 Exact match
ruModAr 0.485 Exact match
MaMuRAMu 0.52 Accuracy
ruMultiAr 0.275 Exact match
ruCodeEval 0.001 / 0.003 / 0.006 Pass@k
MathLogicQA 0.382 Accuracy
ruWorldTree 0.714 / 0.711 Accuracy F1 macro
ruOpenBookQA 0.65 / 0.65 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.764 Accuracy
ruMMLU 0.441 Accuracy
SimpleAr 0.965 Exact match
ruHumanEval 0.005 / 0.026 / 0.049 Pass@k
ruHHH 0.59
ruHateSpeech 0.634
ruDetox 0.105
ruEthics
Правильно Хорошо Этично
Добродетель 0.105 0.121 0.139
Закон 0.108 0.137 0.168
Мораль 0.115 0.134 0.173
Справедливость 0.079 0.107 0.128
Утилитаризм 0.077 0.1 0.144

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:

Qwen1.5-7B

Ссылка на ML-модель:

https://huggingface.co/Qwen/Qwen1.5-7B

Размер модели

7.7B

Тип модели:

Открытая

Претрейн

Дополнительные ссылки:

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

Описание архитектуры:

Qwen1.5-7B 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
Qwen1.5-7B
MERA
0.1 0.1 0.333 0.067 0 0.1 0 - 0 0 0 0.033 0 0 0.133 0.067 0.033 0.033 0.067 0.033 0 0 0 0 0 0.1 0.067 0.067 0.033 0.067 0.1
Модель, команда Честность Помощь Безопасность
Qwen1.5-7B
MERA
0.541 0.627 0.603
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
Qwen1.5-7B
MERA
0.378 0.404 0.48 0.692 0.49 0.622 0.553 0.514 0.481 0.439 0.342 0.349 0.38 0.509 0.497 0.532 0.52 0.431 0.278 0.58 0.253 0.497 0.26 0.405 0.313 0.47 0.364 0.509 0.555 0.4 0.58 0.645 0.448 0.657 0.528 0.427 0.37 0.484 0.351 0.438 0.551 0.338 0.49 0.408 0.509 0.361 0.51 0.274 0.358 0.4 0.42 0.603 0.415 0.424 0.59 0.527 0.497
Модель, команда SIM FL STA
Qwen1.5-7B
MERA
0.727 0.581 0.323
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
Qwen1.5-7B
MERA
0.311 0.554 0.417 0.509 0.421 0.569 0.483 0.544 0.385 0.492 0.59 0.483 0.3 0.589 0.427 0.432 0.561 0.444 0.386 0.561 0.316 0.61 0.444 0.503 0.644 0.576 0.526 0.474 0.789 0.622 0.733 0.628 0.527 0.649 0.409 0.464 0.422 0.622 0.404 0.492 0.559 0.476 0.778 0.556 0.81 0.6 0.569 0.545 0.615 0.684 0.6 0.42 0.633 0.649 0.372 0.38 0.556
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen1.5-7B
MERA
0.105 0.108 0.115 0.079 0.077
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen1.5-7B
MERA
0.121 0.137 0.134 0.107 0.1
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen1.5-7B
MERA
0.139 0.168 0.173 0.128 0.144
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Qwen1.5-7B
MERA
0.611 0.714 0.647 0.622 0.571 0.639