Qwen2.5 14B Instruct

НГУ Создан 16.10.2024 14:20
0.528
Общий результат
118
Место в рейтинге
Слабые задачи:
137
RWSD
123
PARus
235
RCB
41
ruEthics
103
MultiQ
129
ruWorldTree
147
ruOpenBookQA
201
CheGeKa
119
ruMMLU
71
ruHateSpeech
55
ruDetox
98
ruHHH
98
ruTiE
208
ruHumanEval
104
USE
98
MathLogicQA
104
ruMultiAr
246
SimpleAr
155
LCS
136
BPS
129
ruModAr
126
MaMuRAMu
218
ruCodeEval
+19
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.138 Accuracy
RCB 0.534 / 0.502 Accuracy F1 macro
USE 0.297 Grade norm
RWSD 0.581 Accuracy
PARus 0.89 Accuracy
ruTiE 0.814 Accuracy
MultiQ 0.519 / 0.381 F1 Exact match
CheGeKa 0.159 / 0.111 F1 Exact match
ruModAr 0.631 Exact match
MaMuRAMu 0.765 Accuracy
ruMultiAr 0.35 Exact match
ruCodeEval 0.021 / 0.038 / 0.043 Pass@k
MathLogicQA 0.58 Accuracy
ruWorldTree 0.956 / 0.956 Accuracy F1 macro
ruOpenBookQA 0.87 / 0.697 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.969 Accuracy
ruMMLU 0.682 Accuracy
SimpleAr 0.961 Exact match
ruHumanEval 0.049 / 0.082 / 0.091 Pass@k
ruHHH 0.837
ruHateSpeech 0.834
ruDetox 0.331
ruEthics
Правильно Хорошо Этично
Добродетель 0.436 0.448 0.453
Закон 0.427 0.422 0.438
Мораль 0.469 0.478 0.473
Справедливость 0.371 0.394 0.398
Утилитаризм 0.364 0.395 0.428

Информация о сабмите

Версия MERA
v.1.2.0
Версия Torch
2.3.1
Версия кодовой базы
430295f
Версия CUDA
11.8
Precision весов модели
bfloat16
Сид
1234
Батч
1
Версия transformers
4.40.0
Количество GPU и их тип
1 x NVIDIA A100 80GB PCIe
Архитектура
hf

Команда:

НГУ

Название ML-модели:

Qwen2.5 14B Instruct

Ссылка на ML-модель:

https://huggingface.co/Qwen/Qwen2.5-14B-Instruct

Размер модели

14.8B

Тип модели:

Открытая

SFT

Описание архитектуры:

Qwen2.5 14B Instruct is a language model including decoder of 14B size. It is based on the Transformer architecture with SwiGLU activation, attention QKV bias, group query attention, etc. Additionally, tokenizer is improved for adaptation to multiple natural languages and codes. Qwen2.5 brings some improvements upon Qwen2, including larger context length: full 131,072 tokens and generation 8192 tokens.

Описание обучения:

The model was pretrained with a large amount of data, after that it was post-trained with both supervised finetuning and direct preference optimization.

Данные претрейна:

The model was pretrained with a large amount of data of English, Chinese and over 27 additional languages including Russian. In terms of the context length, the model was pretrained on data with different context length which was augmented from 4,096 tokens to 32,768 tokens during the concluding phase of pre-training.

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, chegeka, rudetox, rumultiar, use, multiq, rumodar, ruhumaneval, rucodeeval - 32768

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:
{%- if tools %} \n {{- '<|im_start|>system\n' }} \n {%- if messages[0]['role'] == 'system' %} \n {{- messages[0]['content'] }} \n {%- else %} \n {{- 'You are Qwen, created by Alibaba Cloud. You are a helpful assistant.' }} \n {%- endif %} \n {{- "\n\n# Tools\n\nYou may call one or more functions to assist with the user query.\n\nYou are provided with function signatures within <tools></tools> XML tags:\n<tools>" }} \n {%- for tool in tools %} \n {{- "\n" }} \n {{- tool | tojson }} \n {%- endfor %} \n {{- "\n</tools>\n\nFor each function call, return a json object with function name and arguments within <tool_call></tool_call> XML tags:\n<tool_call>\n{\"name\": <function-name>, \"arguments\": <args-json-object>}\n</tool_call><|im_end|>\n" }} \n{%- else %} \n {%- if messages[0]['role'] == 'system' %} \n {{- '<|im_start|>system\n' + messages[0]['content'] + '<|im_end|>\n' }} \n {%- else %} \n {{- '<|im_start|>system\nYou are Qwen, created by Alibaba Cloud. You are a helpful assistant.<|im_end|>\n' }} \n {%- endif %} \n{%- endif %} \n{%- for message in messages %} \n {%- if (message.role == "user") or (message.role == "system" and not loop.first) or (message.role == "assistant" and not message.tool_calls) %} \n {{- '<|im_start|>' + message.role + '\n' + message.content + '<|im_end|>' + '\n' }} \n {%- elif message.role == "assistant" %} \n {{- '<|im_start|>' + message.role }} \n {%- if message.content %} \n {{- '\n' + message.content }} \n {%- endif %} \n {%- for tool_call in message.tool_calls %} \n {%- if tool_call.function is defined %} \n {%- set tool_call = tool_call.function %} \n {%- endif %} \n {{- '\n<tool_call>\n{"name": "' }} \n {{- tool_call.name }} \n {{- '", "arguments": ' }} \n {{- tool_call.arguments | tojson }} \n {{- '}\n</tool_call>' }} \n {%- endfor %} \n {{- '<|im_end|>\n' }} \n {%- elif message.role == "tool" %} \n {%- if (loop.index0 == 0) or (messages[loop.index0 - 1].role != "tool") %} \n {{- '<|im_start|>user' }} \n {%- endif %} \n {{- '\n<tool_response>\n' }} \n {{- message.content }} \n {{- '\n</tool_response>' }} \n {%- if loop.last or (messages[loop.index0 + 1].role != "tool") %} \n {{- '<|im_end|>\n' }} \n {%- endif %} \n {%- endif %} \n{%- endfor %} \n{%- if add_generation_prompt %} \n {{- '<|im_start|>assistant\n' }} \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
Qwen2.5 14B Instruct
НГУ
0.5 0.5 0.767 0.133 0.133 0.267 0.067 - 0 0.2 0.067 0.033 0.233 0.067 0.2 0.383 0.033 0.033 0.033 0.033 0.167 0.767 0.467 0.233 0.233 0.633 0.167 0.367 0.467 0.233 0.4
Модель, команда Честность Помощь Безопасность
Qwen2.5 14B Instruct
НГУ
0.836 0.814 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
Qwen2.5 14B Instruct
НГУ
0.615 0.53 0.849 0.829 0.739 0.841 0.816 0.723 0.775 0.691 0.535 0.571 0.49 0.713 0.784 0.688 0.71 0.819 0.522 0.763 0.441 0.836 0.5 0.665 0.491 0.75 0.481 0.602 0.763 0.49 0.72 0.785 0.699 0.818 0.709 0.782 0.51 0.826 0.609 0.635 0.818 0.746 0.662 0.724 0.846 0.681 0.863 0.526 0.535 0.684 0.66 0.831 0.785 0.819 0.86 0.824 0.86
Модель, команда SIM FL STA
Qwen2.5 14B Instruct
НГУ
0.71 0.676 0.712
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
Qwen2.5 14B Instruct
НГУ
0.556 0.832 0.683 0.685 0.816 0.759 0.655 0.702 0.827 0.723 0.833 0.725 0.517 0.705 0.725 0.642 0.71 0.8 0.649 0.807 0.772 0.864 0.867 0.817 0.822 0.803 0.808 0.702 0.895 0.8 0.844 0.833 0.741 0.895 0.727 0.768 0.889 0.778 0.702 0.662 0.841 0.794 0.8 0.956 0.897 0.889 0.828 0.909 0.846 0.895 0.8 0.783 0.772 0.675 0.605 0.667 0.833
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5 14B Instruct
НГУ
0.436 0.427 0.469 0.371 0.364
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5 14B Instruct
НГУ
0.448 0.422 0.478 0.394 0.395
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5 14B Instruct
НГУ
0.453 0.438 0.473 0.398 0.428
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Qwen2.5 14B Instruct
НГУ
0.852 0.829 0.765 0.838 0.714 0.836