Qwen2-Math-1.5B-Instruct

MERA Создан 22.09.2024 22:05
0.186
Общий результат
610
Место в рейтинге
Слабые задачи:
420
RWSD
554
PARus
590
RCB
628
MultiQ
599
ruWorldTree
606
ruOpenBookQA
582
ruMMLU
457
ruHateSpeech
444
ruDetox
541
ruHHH
533
ruTiE
521
USE
580
MathLogicQA
322
LCS
549
BPS
616
MaMuRAMu
+12
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.1 Accuracy
RCB 0.333 / 0.167 Accuracy F1 macro
USE 0.051 Grade norm
RWSD 0.5 Accuracy
PARus 0.498 Accuracy
ruTiE 0.504 Accuracy
MultiQ 0.004 / 0 F1 Exact match
CheGeKa 0 / 0 F1 Exact match
ruModAr 0 Exact match
MaMuRAMu 0.224 Accuracy
ruMultiAr 0 Exact match
ruCodeEval 0 / 0 / 0 Pass@k
MathLogicQA 0.25 Accuracy
ruWorldTree 0.263 / 0.15 Accuracy F1 macro
ruOpenBookQA 0.26 / 0.153 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.509 Accuracy
ruMMLU 0.268 Accuracy
SimpleAr 0 Exact match
ruHumanEval 0 / 0 / 0 Pass@k
ruHHH 0.478
ruHateSpeech 0.543
ruDetox 0.091
ruEthics
Правильно Хорошо Этично
Добродетель 0 0 0
Закон 0 0 0
Мораль 0 0 0
Справедливость 0 0 0
Утилитаризм 0 0 0

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:

Qwen2-Math-1.5B-Instruct

Ссылка на ML-модель:

https://huggingface.co/Qwen/Qwen2-Math-1.5B-Instruct

Размер модели

1.5B

Тип модели:

Открытая

SFT

Дополнительные ссылки:

https://qwenlm.github.io/blog/qwen2-math/

Описание архитектуры:

This is a specialized math language models built upon the Qwen2 LLMs, which significantly outperforms the mathematical capabilities of open-source models and even closed-source models (e.g., GPT4o).

Описание обучения:

The model was trained a math-specific reward model based on Qwen2-Math-72B. Then the authors combined this dense reward signal with a binary signal indicating whether the model answered correctly. This combined signal is used as supervision for constructing the SFT data through Rejection Sampling and also in the reinforcement learning with Group Relative Policy Optimization (GRPO) after SFT.

Данные претрейна:

The base models of Qwen2-Math is initialized with Qwen2, and then pretrained on a meticulously designed Mathematics-specific Corpus. This corpus contains large-scale high-quality mathematical web texts, books, codes, exam questions, and mathematical pre-training data synthesized by Qwen2.

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, rutie - 4096

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.

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-Math-1.5B-Instruct
MERA
0 0 0.367 0 0 0 0 - 0 0.067 0 0.033 0 0 0 0.267 0.033 0 0.033 0 0 0 0 0 0 0 0.167 0.033 0.033 0.2 0.233
Модель, команда Честность Помощь Безопасность
Qwen2-Math-1.5B-Instruct
MERA
0.492 0.475 0.466
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-Math-1.5B-Instruct
MERA
0.23 0.193 0.329 0.197 0.294 0.244 0.369 0.251 0.225 0.108 0.237 0.365 0.18 0.213 0.203 0.214 0.21 0.264 0.4 0.29 0.273 0.175 0.22 0.324 0.161 0.22 0.251 0.222 0.318 0.42 0.18 0.165 0.233 0.253 0.298 0.205 0.32 0.323 0.331 0.281 0.359 0.449 0.241 0.271 0.339 0.472 0.245 0.263 0.245 0.213 0.33 0.224 0.359 0.349 0.2 0.248 0.363
Модель, команда SIM FL STA
Qwen2-Math-1.5B-Instruct
MERA
0.219 0.735 0.543
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-Math-1.5B-Instruct
MERA
0.178 0.218 0.183 0.259 0.263 0.172 0.259 0.228 0.269 0.215 0.218 0.258 0.158 0.194 0.24 0.247 0.28 0.311 0.175 0.175 0.228 0.288 0.244 0.225 0.222 0.273 0.244 0.228 0.175 0.156 0.222 0.205 0.143 0.281 0.258 0.214 0.267 0.356 0.14 0.154 0.241 0.238 0.133 0.222 0.241 0.111 0.259 0.205 0.277 0.175 0.267 0.217 0.253 0.26 0.233 0.199 0.2
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2-Math-1.5B-Instruct
MERA
0 0 0 0 0
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2-Math-1.5B-Instruct
MERA
0 0 0 0 0
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2-Math-1.5B-Instruct
MERA
0 0 0 0 0
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Qwen2-Math-1.5B-Instruct
MERA
0.519 0.686 0.588 0.595 0.286 0.492