Qwen2.5-7B-Instruct

MERA Создан 04.11.2024 17:52
0.493
Общий результат
158
Место в рейтинге
Слабые задачи:
76
RWSD
223
PARus
110
RCB
263
ruEthics
242
MultiQ
217
ruWorldTree
208
ruOpenBookQA
294
CheGeKa
227
ruMMLU
246
ruHateSpeech
156
ruDetox
117
ruHHH
197
ruTiE
169
ruHumanEval
164
USE
174
MathLogicQA
170
ruMultiAr
207
SimpleAr
305
LCS
293
BPS
153
ruModAr
219
MaMuRAMu
186
ruCodeEval
+19
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.102 Accuracy
RCB 0.566 / 0.493 Accuracy F1 macro
USE 0.208 Grade norm
RWSD 0.619 Accuracy
PARus 0.832 Accuracy
ruTiE 0.711 Accuracy
MultiQ 0.382 / 0.264 F1 Exact match
CheGeKa 0.095 / 0.072 F1 Exact match
ruModAr 0.564 Exact match
MaMuRAMu 0.702 Accuracy
ruMultiAr 0.306 Exact match
ruCodeEval 0.053 / 0.21 / 0.335 Pass@k
MathLogicQA 0.465 Accuracy
ruWorldTree 0.92 / 0.919 Accuracy F1 macro
ruOpenBookQA 0.828 / 0.828 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.916 Accuracy
ruMMLU 0.59 Accuracy
SimpleAr 0.974 Exact match
ruHumanEval 0.091 / 0.27 / 0.378 Pass@k
ruHHH 0.815
ruHateSpeech 0.725
ruDetox 0.231
ruEthics
Правильно Хорошо Этично
Добродетель 0.253 0.284 0.275
Закон 0.248 0.261 0.251
Мораль 0.267 0.296 0.287
Справедливость 0.214 0.25 0.24
Утилитаризм 0.224 0.257 0.231

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:

Qwen2.5-7B-Instruct

Ссылка на ML-модель:

https://huggingface.co/Qwen/Qwen2.5-7B-Instruct

Размер модели

7.0B

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, and Attention QKV bias Number of Parameters: 7.61B Number of Paramaters (Non-Embedding): 6.53B Number of Layers: 28 Number of Attention Heads (GQA): 28 for Q and 4 for KV Context Length: Full 131,072 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 - 5000

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
Qwen2.5-7B-Instruct
MERA
0.333 0.367 0.8 0.3 0.1 0.233 0.033 - 0 0.067 0 0.033 0.133 0 0.1 0.217 0.033 0.033 0 0.033 0 0.533 0.233 0.1 0.033 0.392 0.133 0.267 0.367 0.4 0.4
Модель, команда Честность Помощь Безопасность
Qwen2.5-7B-Instruct
MERA
0.787 0.763 0.897
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
Qwen2.5-7B-Instruct
MERA
0.556 0.458 0.796 0.769 0.654 0.731 0.709 0.65 0.636 0.614 0.474 0.508 0.39 0.694 0.708 0.673 0.68 0.611 0.411 0.672 0.251 0.76 0.4 0.555 0.518 0.7 0.406 0.556 0.653 0.42 0.75 0.769 0.632 0.788 0.653 0.662 0.41 0.748 0.543 0.581 0.722 0.577 0.648 0.589 0.747 0.625 0.691 0.493 0.397 0.593 0.58 0.789 0.667 0.693 0.78 0.739 0.663
Модель, команда SIM FL STA
Qwen2.5-7B-Instruct
MERA
0.495 0.682 0.748
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
Qwen2.5-7B-Instruct
MERA
0.622 0.812 0.6 0.602 0.697 0.672 0.569 0.702 0.692 0.662 0.705 0.725 0.508 0.705 0.602 0.691 0.738 0.667 0.614 0.789 0.649 0.763 0.689 0.74 0.711 0.667 0.718 0.649 0.895 0.689 0.822 0.795 0.634 0.789 0.621 0.696 0.822 0.778 0.579 0.646 0.78 0.762 0.733 0.689 0.879 0.911 0.862 0.795 0.692 0.825 0.8 0.739 0.772 0.61 0.581 0.538 0.789
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-7B-Instruct
MERA
0.253 0.248 0.267 0.214 0.224
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-7B-Instruct
MERA
0.284 0.261 0.296 0.25 0.257
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-7B-Instruct
MERA
0.275 0.251 0.287 0.24 0.231
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Qwen2.5-7B-Instruct
MERA
0.769 0.657 0.765 0.676 0.571 0.721