Qwen2-57B-A14B-Instruct

MERA Создан 22.09.2024 21:55
0.516
Общий результат
129
Место в рейтинге
Слабые задачи:
241
RWSD
88
PARus
237
RCB
21
ruEthics
128
MultiQ
156
ruWorldTree
120
ruOpenBookQA
162
CheGeKa
163
ruMMLU
77
ruHateSpeech
102
ruDetox
206
ruHHH
173
ruTiE
175
ruHumanEval
135
USE
123
MathLogicQA
146
ruMultiAr
111
SimpleAr
280
LCS
226
BPS
183
ruModAr
140
MaMuRAMu
157
ruCodeEval
+19
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.108 Accuracy
RCB 0.534 / 0.456 Accuracy F1 macro
USE 0.241 Grade norm
RWSD 0.546 Accuracy
PARus 0.906 Accuracy
ruTiE 0.735 Accuracy
MultiQ 0.48 / 0.348 F1 Exact match
CheGeKa 0.19 / 0.144 F1 Exact match
ruModAr 0.513 Exact match
MaMuRAMu 0.752 Accuracy
ruMultiAr 0.322 Exact match
ruCodeEval 0.088 / 0.23 / 0.299 Pass@k
MathLogicQA 0.507 Accuracy
ruWorldTree 0.943 / 0.943 Accuracy F1 macro
ruOpenBookQA 0.885 / 0.885 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.947 Accuracy
ruMMLU 0.648 Accuracy
SimpleAr 0.989 Exact match
ruHumanEval 0.087 / 0.221 / 0.293 Pass@k
ruHHH 0.719
ruHateSpeech 0.826
ruDetox 0.29
ruEthics
Правильно Хорошо Этично
Добродетель 0.457 0.444 0.458
Закон 0.496 0.434 0.458
Мораль 0.508 0.458 0.473
Справедливость 0.421 0.401 0.411
Утилитаризм 0.413 0.414 0.402

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
4.44.2
Количество GPU и их тип
8 x NVIDIA H100 80GB HBM3
Архитектура
vllm

Команда:

MERA

Название ML-модели:

Qwen2-57B-A14B-Instruct

Ссылка на ML-модель:

https://huggingface.co/Qwen/Qwen2-57B-A14B-Instruct

Размер модели

57.4B

Тип модели:

Открытая

SFT

Дополнительные ссылки:

https://arxiv.org/pdf/2407.10671

Описание архитектуры:

Qwen2-57B-A14B-Instruct is based on the Transformer architecture with SwiGLU activation, attention QKV bias, group query attention, RoPE and RMSNorm. As a substitute for the original FFN, the MoE FFN consists of n individual FFNs, each serving as an expert. Each token is directed to a specific expert $E_i$ for computation based on probabilities assigned by a gated network G.

Описание обучения:

SFT and RLHF on the mix of manually and synthetically annotated samples after pertaining with next-token prediction task.

Данные претрейна:

The post-training data primarily consists of two components: demonstration data D = {($x_i$ , $y_i$ )} and preference data P = {($x_i$ , $y_i^+$, $y_i^-$ )}, where $x_i$ represents the instruction, $y_i$ represents a satisfactory response, and $y_i^+$ and $y_i^-$ are two responses to $x_i$, with $y_i^+$ being the preferred choice over $y_i^-$. The set D is utilized in SFT, whereas P is employed in RLHF. We have assembled an extensive instruction dataset featuring more than 500,000 examples that cover skills such as instruction following, coding, mathematics, logical reasoning, role-playing, multilingualism, and safety.

Лицензия:

Apache-2.0

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, ruhumaneval, rucodeeval - 32768 \nrutie - 5000

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
Qwen2-57B-A14B-Instruct
MERA
0.567 0.467 0.767 0.167 0.1 0.433 0.1 - 0.033 0.1 0.1 0.067 0.2 0 0.1 0.4 0.033 0.033 0 0 0.033 0.7 0.267 0.067 0.1 0.417 0.133 0.1 0.367 0.367 0.333
Модель, команда Честность Помощь Безопасность
Qwen2-57B-A14B-Instruct
MERA
0.721 0.644 0.793
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
Qwen2-57B-A14B-Instruct
MERA
0.607 0.512 0.789 0.85 0.696 0.826 0.777 0.701 0.735 0.691 0.57 0.492 0.47 0.741 0.808 0.673 0.71 0.813 0.5 0.756 0.255 0.813 0.37 0.676 0.545 0.74 0.469 0.667 0.78 0.48 0.71 0.818 0.706 0.859 0.717 0.739 0.52 0.835 0.55 0.616 0.803 0.695 0.6 0.615 0.833 0.56 0.809 0.452 0.475 0.633 0.6 0.827 0.741 0.761 0.79 0.788 0.845
Модель, команда SIM FL STA
Qwen2-57B-A14B-Instruct
MERA
0.621 0.722 0.68
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
Qwen2-57B-A14B-Instruct
MERA
0.467 0.842 0.683 0.63 0.803 0.759 0.724 0.719 0.731 0.692 0.731 0.708 0.542 0.798 0.696 0.63 0.748 0.778 0.684 0.825 0.596 0.864 0.844 0.817 0.756 0.788 0.756 0.719 0.877 0.778 0.822 0.846 0.741 0.912 0.667 0.768 0.622 0.778 0.544 0.677 0.833 0.873 0.844 0.822 0.897 0.889 0.879 0.818 0.815 0.912 0.756 0.739 0.797 0.753 0.558 0.637 0.822
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2-57B-A14B-Instruct
MERA
0.457 0.496 0.508 0.421 0.413
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2-57B-A14B-Instruct
MERA
0.444 0.434 0.458 0.401 0.414
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2-57B-A14B-Instruct
MERA
0.458 0.458 0.473 0.411 0.402
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Qwen2-57B-A14B-Instruct
MERA
0.833 0.771 0.824 0.865 0.571 0.852