ruadapt_qwen2.5_3B_ext_u48_instruct_v4

RCC MSU Создан 18.10.2024 12:57
0.412
Общий результат
311
Место в рейтинге
Слабые задачи:
384
RWSD
321
PARus
259
RCB
344
ruEthics
256
MultiQ
270
ruWorldTree
264
ruOpenBookQA
392
CheGeKa
278
ruMMLU
223
ruHateSpeech
223
ruDetox
278
ruHHH
182
ruTiE
323
ruHumanEval
336
USE
222
MathLogicQA
231
ruMultiAr
245
SimpleAr
345
LCS
326
BPS
420
ruModAr
274
MaMuRAMu
+18
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.094 Accuracy
RCB 0.53 / 0.34 Accuracy F1 macro
USE 0.109 Grade norm
RWSD 0.504 Accuracy
PARus 0.732 Accuracy
ruTiE 0.728 Accuracy
MultiQ 0.368 / 0.23 F1 Exact match
CheGeKa 0.035 / 0.019 F1 Exact match
ruModAr 0.283 Exact match
MaMuRAMu 0.637 Accuracy
ruMultiAr 0.277 Exact match
ruCodeEval 0 / 0 / 0 Pass@k
MathLogicQA 0.432 Accuracy
ruWorldTree 0.859 / 0.858 Accuracy F1 macro
ruOpenBookQA 0.77 / 0.767 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.892 Accuracy
ruMMLU 0.533 Accuracy
SimpleAr 0.962 Exact match
ruHumanEval 0.005 / 0.012 / 0.012 Pass@k
ruHHH 0.646
ruHateSpeech 0.747
ruDetox 0.197
ruEthics
Правильно Хорошо Этично
Добродетель 0.238 0.203 0.175
Закон 0.214 0.179 0.169
Мораль 0.241 0.216 0.185
Справедливость 0.203 0.168 0.149
Утилитаризм 0.184 0.167 0.177

Информация о сабмите

Версия MERA
v.1.2.0
Версия Torch
2.4.0
Версия кодовой базы
430295f
Версия CUDA
12.1
Precision весов модели
bfloat16
Сид
1234
Батч
1
Версия transformers
4.45.2
Количество GPU и их тип
NVIDIA A100-SXM4-80GB
Архитектура
vllm

Команда:

RCC MSU

Название ML-модели:

ruadapt_qwen2.5_3B_ext_u48_instruct_v4

Размер модели

3.0B

Тип модели:

Открытая

Претрейн

SFT

Описание архитектуры:

Tikhomirov M., Chernyshev D. Facilitating large language model Russian adaptation with Learned Embedding Propagation // 2024 (will be soon) Tikhomirov M., Chernyshev D. Impact of Tokenization on LLaMa Russian Adaptation //2023 Ivannikov Ispras Open Conference (ISPRAS). – IEEE, 2023. – С. 163-168.

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 \nrutie - 8192

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 {%- 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
ruadapt_qwen2.5_3B_ext_u48_instruct_v4
RCC MSU
0.533 0.033 0.633 0.067 0 0.1 0 - 0 0 0.033 0.033 0 0 0.1 0.083 0 0.033 0 0 0 0.3 0 0.033 0 0.242 0 0.1 0.2 0.167 0.2
Модель, команда Честность Помощь Безопасность
ruadapt_qwen2.5_3B_ext_u48_instruct_v4
RCC MSU
0.639 0.644 0.655
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
ruadapt_qwen2.5_3B_ext_u48_instruct_v4
RCC MSU
0.4 0.392 0.625 0.735 0.585 0.711 0.68 0.601 0.593 0.61 0.43 0.373 0.29 0.676 0.622 0.555 0.67 0.514 0.322 0.588 0.359 0.708 0.33 0.566 0.33 0.55 0.366 0.509 0.665 0.43 0.7 0.727 0.509 0.758 0.551 0.526 0.4 0.671 0.424 0.463 0.712 0.482 0.572 0.554 0.697 0.528 0.618 0.419 0.379 0.482 0.46 0.764 0.564 0.534 0.65 0.752 0.606
Модель, команда SIM FL STA
ruadapt_qwen2.5_3B_ext_u48_instruct_v4
RCC MSU
0.707 0.641 0.495
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
ruadapt_qwen2.5_3B_ext_u48_instruct_v4
RCC MSU
0.444 0.663 0.583 0.63 0.671 0.707 0.603 0.649 0.558 0.585 0.679 0.6 0.475 0.659 0.556 0.593 0.664 0.689 0.474 0.754 0.404 0.78 0.667 0.633 0.622 0.606 0.654 0.561 0.86 0.733 0.733 0.756 0.563 0.754 0.545 0.679 0.622 0.756 0.596 0.569 0.657 0.683 0.778 0.756 0.897 0.889 0.69 0.795 0.708 0.789 0.778 0.609 0.709 0.481 0.395 0.456 0.722
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
ruadapt_qwen2.5_3B_ext_u48_instruct_v4
RCC MSU
0.238 0.214 0.241 0.203 0.184
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
ruadapt_qwen2.5_3B_ext_u48_instruct_v4
RCC MSU
0.203 0.179 0.216 0.168 0.167
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
ruadapt_qwen2.5_3B_ext_u48_instruct_v4
RCC MSU
0.175 0.169 0.185 0.149 0.177
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
ruadapt_qwen2.5_3B_ext_u48_instruct_v4
RCC MSU
0.778 0.686 0.588 0.757 0.571 0.787