Qwen2.5-0.5B-Instruct

MERA Создан 04.11.2024 17:41
0.259
Общий результат
523
Место в рейтинге
Слабые задачи:
492
RWSD
597
PARus
592
RCB
529
MultiQ
512
ruWorldTree
502
ruOpenBookQA
486
CheGeKa
504
ruMMLU
552
ruHateSpeech
505
ruDetox
593
ruHHH
428
ruTiE
440
USE
462
MathLogicQA
378
ruMultiAr
389
SimpleAr
460
LCS
491
BPS
503
ruModAr
513
MaMuRAMu
+16
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.074 Accuracy
RCB 0.329 / 0.246 Accuracy F1 macro
USE 0.068 Grade norm
RWSD 0.477 Accuracy
PARus 0.458 Accuracy
ruTiE 0.529 Accuracy
MultiQ 0.146 / 0.097 F1 Exact match
CheGeKa 0.015 / 0 F1 Exact match
ruModAr 0.064 Exact match
MaMuRAMu 0.386 Accuracy
ruMultiAr 0.182 Exact match
ruCodeEval 0 / 0 / 0 Pass@k
MathLogicQA 0.31 Accuracy
ruWorldTree 0.474 / 0.468 Accuracy F1 macro
ruOpenBookQA 0.463 / 0.441 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.553 Accuracy
ruMMLU 0.342 Accuracy
SimpleAr 0.851 Exact match
ruHumanEval 0 / 0 / 0 Pass@k
ruHHH 0.348
ruHateSpeech 0.475
ruDetox 0.068
ruEthics
Правильно Хорошо Этично
Добродетель 0.015 -0.007 -0.028
Закон -0.014 -0.045 -0.066
Мораль -0 -0.023 -0.028
Справедливость 0.011 -0.02 -0.05
Утилитаризм 0.01 0.033 -0.028

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
1 x NVIDIA H100 80GB HBM3
Архитектура
vllm

Команда:

MERA

Название ML-модели:

Qwen2.5-0.5B-Instruct

Ссылка на ML-модель:

https://huggingface.co/Qwen/Qwen2.5-0.5B-Instruct

Размер модели

500.0M

Тип модели:

Открытая

SFT

Дополнительные ссылки:

https://qwenlm.github.io/blog/qwen2.5-llm/

Описание архитектуры:

Type: Causal Language Models Training Stage: Pretraining & Post-training Architecture: transformers with RoPE, SwiGLU, RMSNorm, Attention QKV bias and tied word embeddings Number of Parameters: 0.49B Number of Paramaters (Non-Embedding): 0.36B Number of Layers: 24 Number of Attention Heads (GQA): 14 for Q and 2 for KV Context Length: Full 32,768 tokens and generation 8192 tokens

Описание обучения:

-

Данные претрейна:

The size of the pre-training dataset is expanded from 7 trillion tokens to a maximum of 18 trillion tokens.

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 - 15000

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
Qwen2.5-0.5B-Instruct
MERA
0.167 0 0.133 0.1 0 0.033 0 - 0.033 0.033 0 0.033 0 0 0 0.483 0.067 0 0.033 0.033 0.033 0.033 0 0 0 0.05 0.133 0.133 0.067 0 0.067
Модель, команда Честность Помощь Безопасность
Qwen2.5-0.5B-Instruct
MERA
0.361 0.373 0.31
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
Qwen2.5-0.5B-Instruct
MERA
0.407 0.361 0.368 0.556 0.408 0.388 0.388 0.428 0.33 0.359 0.246 0.262 0.34 0.38 0.359 0.396 0.46 0.236 0.222 0.389 0.247 0.251 0.3 0.347 0.286 0.38 0.304 0.426 0.322 0.24 0.45 0.529 0.387 0.515 0.366 0.393 0.27 0.352 0.272 0.315 0.409 0.217 0.448 0.324 0.378 0.329 0.373 0.304 0.309 0.328 0.31 0.401 0.285 0.328 0.4 0.43 0.326
Модель, команда SIM FL STA
Qwen2.5-0.5B-Instruct
MERA
0.38 0.611 0.527
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
Qwen2.5-0.5B-Instruct
MERA
0.311 0.475 0.4 0.407 0.408 0.379 0.328 0.246 0.308 0.415 0.449 0.383 0.258 0.442 0.275 0.383 0.439 0.356 0.316 0.421 0.228 0.356 0.289 0.379 0.444 0.288 0.397 0.298 0.579 0.333 0.689 0.449 0.393 0.333 0.409 0.446 0.378 0.578 0.351 0.323 0.31 0.302 0.444 0.467 0.638 0.711 0.414 0.477 0.492 0.491 0.533 0.319 0.481 0.403 0.419 0.234 0.367
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-0.5B-Instruct
MERA
0.015 -0.014 -0 0.011 0.01
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-0.5B-Instruct
MERA
-0.007 -0.045 -0.023 -0.02 0.033
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-0.5B-Instruct
MERA
-0.028 -0.066 -0.028 -0.05 -0.028
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Qwen2.5-0.5B-Instruct
MERA
0.472 0.543 0.529 0.568 0.143 0.41