Qwen2.5-3B-Instruct

MERA Создан 04.11.2024 17:48
0.442
Общий результат
255
Место в рейтинге
Слабые задачи:
89
RWSD
297
PARus
267
RCB
369
ruEthics
250
MultiQ
277
ruWorldTree
336
ruOpenBookQA
379
CheGeKa
311
ruMMLU
225
ruHateSpeech
275
ruDetox
242
ruHHH
236
ruTiE
179
ruHumanEval
297
USE
255
MathLogicQA
200
ruMultiAr
266
SimpleAr
119
LCS
416
BPS
252
ruModAr
289
MaMuRAMu
204
ruCodeEval
+19
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.148 Accuracy
RCB 0.527 / 0.484 Accuracy F1 macro
USE 0.132 Grade norm
RWSD 0.612 Accuracy
PARus 0.758 Accuracy
ruTiE 0.686 Accuracy
MultiQ 0.371 / 0.242 F1 Exact match
CheGeKa 0.04 / 0.026 F1 Exact match
ruModAr 0.479 Exact match
MaMuRAMu 0.621 Accuracy
ruMultiAr 0.289 Exact match
ruCodeEval 0.028 / 0.124 / 0.22 Pass@k
MathLogicQA 0.416 Accuracy
ruWorldTree 0.844 / 0.844 Accuracy F1 macro
ruOpenBookQA 0.683 / 0.683 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.752 Accuracy
ruMMLU 0.514 Accuracy
SimpleAr 0.948 Exact match
ruHumanEval 0.087 / 0.286 / 0.402 Pass@k
ruHHH 0.691
ruHateSpeech 0.743
ruDetox 0.172
ruEthics
Правильно Хорошо Этично
Добродетель 0.169 0.191 0.162
Закон 0.16 0.184 0.161
Мораль 0.18 0.201 0.169
Справедливость 0.139 0.163 0.141
Утилитаризм 0.129 0.129 0.139

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:

Qwen2.5-3B-Instruct

Ссылка на ML-модель:

https://huggingface.co/Qwen/Qwen2.5-3B-Instruct

Размер модели

3.0B

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: 3.09B Number of Paramaters (Non-Embedding): 2.77B Number of Layers: 36 Number of Attention Heads (GQA): 16 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:

qwen-research

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, ruopenbookqa, rumultiar, use, rwsd, mamuramu, multiq, rumodar, ruethics, ruhhh, ruhumaneval - 32768 \nrutie - 15000 \nrutie, ruworldtree, rucodeeval - 10000

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
Qwen2.5-3B-Instruct
MERA
0.167 0.133 0.633 0.2 0 0.1 0 - 0.033 0 0.033 0.067 0 0 0.1 0.35 0.033 0 0.133 0 0 0.233 0.067 0.1 0.067 0.217 0.067 0.1 0.2 0.167 0.3
Модель, команда Честность Помощь Безопасность
Qwen2.5-3B-Instruct
MERA
0.672 0.661 0.741
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
Qwen2.5-3B-Instruct
MERA
0.481 0.41 0.625 0.739 0.601 0.642 0.67 0.601 0.531 0.538 0.342 0.381 0.29 0.602 0.616 0.575 0.59 0.479 0.356 0.595 0.245 0.678 0.33 0.503 0.384 0.56 0.362 0.611 0.624 0.42 0.66 0.645 0.521 0.747 0.525 0.479 0.37 0.665 0.444 0.483 0.712 0.496 0.593 0.496 0.691 0.491 0.662 0.378 0.387 0.489 0.5 0.713 0.551 0.525 0.65 0.709 0.534
Модель, команда SIM FL STA
Qwen2.5-3B-Instruct
MERA
0.605 0.635 0.533
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
Qwen2.5-3B-Instruct
MERA
0.378 0.683 0.6 0.537 0.658 0.621 0.517 0.649 0.654 0.6 0.654 0.608 0.442 0.636 0.573 0.568 0.551 0.689 0.491 0.667 0.404 0.678 0.622 0.609 0.667 0.606 0.667 0.684 0.825 0.578 0.756 0.744 0.563 0.632 0.576 0.696 0.711 0.733 0.491 0.508 0.645 0.683 0.778 0.756 0.897 0.844 0.69 0.727 0.692 0.772 0.733 0.493 0.747 0.584 0.465 0.45 0.7
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-3B-Instruct
MERA
0.169 0.16 0.18 0.139 0.129
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-3B-Instruct
MERA
0.191 0.184 0.201 0.163 0.129
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-3B-Instruct
MERA
0.162 0.161 0.169 0.141 0.139
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Qwen2.5-3B-Instruct
MERA
0.787 0.771 0.588 0.757 0.429 0.721