Qwen2-72B-Instruct

MERA Создан 22.09.2024 21:58
0.57
Общий результат
90
Место в рейтинге
В топе по задачам:
4
ruEthics
Слабые задачи:
54
RWSD
313
RCB
54
MultiQ
51
ruWorldTree
29
ruOpenBookQA
104
CheGeKa
68
ruMMLU
31
ruHateSpeech
46
ruDetox
60
ruHHH
43
ruTiE
298
ruHumanEval
77
USE
88
MathLogicQA
84
ruMultiAr
69
SimpleAr
78
LCS
66
BPS
140
ruModAr
57
MaMuRAMu
+16
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.164 Accuracy
RCB 0.511 / 0.484 Accuracy F1 macro
USE 0.325 Grade norm
RWSD 0.658 Accuracy
PARus 0.944 Accuracy
ruTiE 0.87 Accuracy
MultiQ 0.58 / 0.447 F1 Exact match
CheGeKa 0.324 / 0.267 F1 Exact match
ruModAr 0.6 Exact match
MaMuRAMu 0.838 Accuracy
ruMultiAr 0.387 Exact match
ruCodeEval 0 / 0 / 0 Pass@k
MathLogicQA 0.626 Accuracy
ruWorldTree 0.985 / 0.789 Accuracy F1 macro
ruOpenBookQA 0.945 / 0.945 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.988 Accuracy
ruMMLU 0.756 Accuracy
SimpleAr 0.994 Exact match
ruHumanEval 0.006 / 0.006 / 0.006 Pass@k
ruHHH 0.86
ruHateSpeech 0.868
ruDetox 0.335
ruEthics
Правильно Хорошо Этично
Добродетель 0.55 0.532 0.702
Закон 0.582 0.533 0.707
Мораль 0.621 0.569 0.768
Справедливость 0.499 0.474 0.645
Утилитаризм 0.48 0.461 0.603

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:

Qwen2-72B-Instruct

Ссылка на ML-модель:

https://huggingface.co/Qwen/Qwen2-72B-Instruct

Размер модели

72.7B

Тип модели:

Открытая

SFT

Дополнительные ссылки:

https://qwenlm.github.io/blog/qwen2/ https://arxiv.org/html/2407.10671v2

Описание архитектуры:

Qwen 2 is a decoder-only language model.

Описание обучения:

The model was pretrained with a large amount of data and post-trained the models with both supervised finetuning and direct preference optimization.

Данные претрейна:

-

Лицензия:

tongyi-qianwen

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, ruworldtree, ruopenbookqa, rumultiar, use, rwsd, mamuramu, multiq, rumodar, ruethics, ruhumaneval, rucodeeval, rummlu, ruhhh - 32768 \nrutie - 2000

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
Qwen2-72B-Instruct
MERA
0.533 0.633 0.8 0.1 0.067 0.533 0.2 - 0.167 0.067 0.033 0.033 0.233 0.1 0.133 0.417 0 0 0.067 0.067 0.133 0.767 0.433 0.2 0.233 0.708 0.2 0.233 0.533 0.367 0.533
Модель, команда Честность Помощь Безопасность
Qwen2-72B-Instruct
MERA
0.852 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
Qwen2-72B-Instruct
MERA
0.763 0.554 0.901 0.893 0.84 0.866 0.796 0.791 0.855 0.762 0.649 0.579 0.66 0.833 0.89 0.772 0.79 0.882 0.633 0.802 0.542 0.86 0.59 0.711 0.714 0.87 0.575 0.713 0.776 0.56 0.77 0.851 0.748 0.889 0.789 0.85 0.52 0.91 0.662 0.719 0.889 0.824 0.71 0.735 0.91 0.718 0.902 0.604 0.603 0.774 0.77 0.873 0.828 0.903 0.92 0.873 0.907
Модель, команда SIM FL STA
Qwen2-72B-Instruct
MERA
0.629 0.733 0.756
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
Qwen2-72B-Instruct
MERA
0.622 0.921 0.8 0.713 0.895 0.897 0.793 0.737 0.923 0.831 0.808 0.792 0.642 0.814 0.807 0.765 0.841 0.844 0.772 0.825 0.912 0.949 0.911 0.917 0.8 0.924 0.872 0.772 0.93 0.822 0.822 0.91 0.857 0.93 0.758 0.875 0.844 0.844 0.772 0.831 0.91 0.905 0.867 0.933 0.914 0.867 0.914 0.886 0.862 0.947 0.822 0.913 0.785 0.701 0.651 0.754 0.911
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2-72B-Instruct
MERA
0.55 0.582 0.621 0.499 0.48
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2-72B-Instruct
MERA
0.532 0.533 0.569 0.474 0.461
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2-72B-Instruct
MERA
0.702 0.707 0.768 0.645 0.603
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Qwen2-72B-Instruct
MERA
0.889 0.743 0.824 0.865 0.857 0.918