Qwen2.5-3B

MERA Создан 04.11.2024 17:48
0.411
Общий результат
315
Место в рейтинге
Слабые задачи:
471
RWSD
353
PARus
411
RCB
421
ruEthics
375
MultiQ
294
ruWorldTree
301
ruOpenBookQA
363
CheGeKa
321
ruMMLU
371
ruHateSpeech
348
ruDetox
387
ruHHH
312
ruTiE
220
ruHumanEval
373
USE
277
MathLogicQA
188
ruMultiAr
257
SimpleAr
269
LCS
392
BPS
229
ruModAr
282
MaMuRAMu
221
ruCodeEval
+19
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.11 Accuracy
RCB 0.473 / 0.431 Accuracy F1 macro
USE 0.086 Grade norm
RWSD 0.485 Accuracy
PARus 0.69 Accuracy
ruTiE 0.625 Accuracy
MultiQ 0.279 / 0.182 F1 Exact match
CheGeKa 0.048 / 0.026 F1 Exact match
ruModAr 0.489 Exact match
MaMuRAMu 0.628 Accuracy
ruMultiAr 0.294 Exact match
ruCodeEval 0.02 / 0.087 / 0.152 Pass@k
MathLogicQA 0.409 Accuracy
ruWorldTree 0.83 / 0.828 Accuracy F1 macro
ruOpenBookQA 0.71 / 0.707 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.798 Accuracy
ruMMLU 0.505 Accuracy
SimpleAr 0.955 Exact match
ruHumanEval 0.039 / 0.137 / 0.207 Pass@k
ruHHH 0.551
ruHateSpeech 0.611
ruDetox 0.137
ruEthics
Правильно Хорошо Этично
Добродетель 0.15 0.14 0.135
Закон 0.153 0.152 0.161
Мораль 0.177 0.152 0.171
Справедливость 0.141 0.122 0.126
Утилитаризм 0.126 0.089 0.136

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

Ссылка на ML-модель:

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

Размер модели

3.0B

Тип модели:

Открытая

Претрейн

Дополнительные ссылки:

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

Описание архитектуры:

Type: Causal Language Models Training Stage: Pretraining 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

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, 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.

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
MERA
0.3 0.1 0.5 0.167 0 0.033 0 - 0 0 0 0 0.1 0 0.133 0.083 0.033 0.033 0.067 0 0 0.3 0 0 0.033 0.2 0.033 0.033 0 0.033 0.067
Модель, команда Честность Помощь Безопасность
Qwen2.5-3B
MERA
0.475 0.576 0.603
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
MERA
0.452 0.434 0.592 0.726 0.588 0.642 0.612 0.556 0.562 0.592 0.316 0.333 0.33 0.62 0.594 0.566 0.56 0.444 0.356 0.55 0.296 0.661 0.34 0.451 0.375 0.56 0.379 0.528 0.559 0.41 0.67 0.711 0.485 0.727 0.528 0.491 0.39 0.629 0.377 0.488 0.652 0.415 0.545 0.491 0.633 0.412 0.657 0.422 0.383 0.507 0.44 0.671 0.515 0.504 0.68 0.685 0.518
Модель, команда SIM FL STA
Qwen2.5-3B
MERA
0.555 0.694 0.48
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
MERA
0.444 0.693 0.6 0.574 0.684 0.638 0.5 0.667 0.673 0.631 0.718 0.567 0.442 0.667 0.567 0.519 0.579 0.667 0.491 0.754 0.439 0.729 0.778 0.633 0.667 0.545 0.667 0.632 0.807 0.689 0.733 0.667 0.554 0.719 0.485 0.679 0.667 0.756 0.579 0.585 0.629 0.619 0.867 0.822 0.914 0.8 0.741 0.773 0.631 0.772 0.756 0.522 0.709 0.584 0.558 0.444 0.656
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-3B
MERA
0.15 0.153 0.177 0.141 0.126
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-3B
MERA
0.14 0.152 0.152 0.122 0.089
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-3B
MERA
0.135 0.161 0.171 0.126 0.136
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Qwen2.5-3B
MERA
0.583 0.686 0.529 0.757 0.429 0.574