Qwen2.5-Math-1.5B

MERA Создан 04.11.2024 17:59
0.31
Общий результат
468
Место в рейтинге
Слабые задачи:
505
RWSD
555
PARus
521
RCB
585
MultiQ
562
ruWorldTree
532
ruOpenBookQA
575
CheGeKa
525
ruMMLU
572
ruHateSpeech
538
ruDetox
385
ruHHH
488
ruTiE
139
ruHumanEval
476
USE
358
MathLogicQA
125
ruMultiAr
227
SimpleAr
262
LCS
441
BPS
206
ruModAr
518
MaMuRAMu
164
ruCodeEval
+18
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.112 Accuracy
RCB 0.37 / 0.337 Accuracy F1 macro
USE 0.062 Grade norm
RWSD 0.473 Accuracy
PARus 0.496 Accuracy
ruTiE 0.508 Accuracy
MultiQ 0.095 / 0.06 F1 Exact match
CheGeKa 0.006 / 0 F1 Exact match
ruModAr 0.505 Exact match
MaMuRAMu 0.39 Accuracy
ruMultiAr 0.337 Exact match
ruCodeEval 0.08 / 0.21 / 0.287 Pass@k
MathLogicQA 0.361 Accuracy
ruWorldTree 0.377 / 0.365 Accuracy F1 macro
ruOpenBookQA 0.408 / 0.398 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.693 Accuracy
ruMMLU 0.329 Accuracy
SimpleAr 0.969 Exact match
ruHumanEval 0.141 / 0.301 / 0.378 Pass@k
ruHHH 0.556
ruHateSpeech 0.468
ruDetox 0.059
ruEthics
Правильно Хорошо Этично
Добродетель 0.043 0.058 0.043
Закон 0.055 0.052 0.019
Мораль 0.037 0.05 0.037
Справедливость -0.029 0.037 0.023
Утилитаризм -0.006 0.025 0.079

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-Math-1.5B

Ссылка на ML-модель:

https://huggingface.co/Qwen/Qwen2.5-Math-1.5B

Размер модели

1.5B

Тип модели:

Открытая

Претрейн

Дополнительные ссылки:

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

Описание архитектуры:

-

Описание обучения:

-

Данные претрейна:

First, the Qwen2-Math base models are trained on a high-quality mathematical pre-training dataset called the Qwen Math Corpus v1, which contains approximately 700 billion tokens. Second, we train a math-specific reward model Qwen2-Math-RM, derived from Qwen2-Math-72B, to create the Qwen2-Math-Instruct models. This reward model is used to construct Supervised Fine-Tuning (SFT) data through Rejection Sampling. Third, leveraging the Qwen2-Math-72B-Instruct model, we synthesize additional high-quality mathematical pre-training data, which serves as the foundation for Qwen Math Corpus v2. This updated corpus contains over 1 trillion tokens and is used to pre-train the Qwen2.5-Math models. Lastly, similar to the process used for the Qwen2-Math-Instruct models, we construct the Qwen2.5-Math-RM and Qwen2.5-Math-Instruct models.

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, rutie - 4096

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-Math-1.5B
MERA
0 0 0.367 0.167 0 0.067 0 - 0 0 0 0 0 0 0.1 0.217 0 0 0.067 0 0 0.033 0 0 0.033 0.108 0.033 0.1 0.067 0 0.2
Модель, команда Честность Помощь Безопасность
Qwen2.5-Math-1.5B
MERA
0.541 0.559 0.569
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-Math-1.5B
MERA
0.237 0.325 0.336 0.474 0.363 0.453 0.359 0.373 0.34 0.278 0.289 0.341 0.32 0.38 0.333 0.332 0.4 0.264 0.356 0.313 0.235 0.304 0.33 0.341 0.384 0.34 0.286 0.38 0.286 0.29 0.44 0.471 0.393 0.364 0.328 0.325 0.33 0.297 0.265 0.335 0.328 0.206 0.4 0.493 0.275 0.31 0.328 0.4 0.28 0.343 0.4 0.35 0.356 0.366 0.51 0.358 0.29
Модель, команда SIM FL STA
Qwen2.5-Math-1.5B
MERA
0.511 0.527 0.384
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-Math-1.5B
MERA
0.289 0.366 0.367 0.398 0.263 0.328 0.431 0.316 0.385 0.292 0.615 0.392 0.283 0.326 0.327 0.333 0.449 0.378 0.333 0.474 0.316 0.288 0.556 0.325 0.444 0.303 0.385 0.298 0.526 0.378 0.6 0.269 0.429 0.281 0.273 0.643 0.6 0.378 0.421 0.338 0.302 0.365 0.4 0.711 0.638 0.8 0.345 0.727 0.369 0.456 0.467 0.391 0.506 0.416 0.419 0.322 0.411
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-Math-1.5B
MERA
0.043 0.055 0.037 -0.029 -0.006
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-Math-1.5B
MERA
0.058 0.052 0.05 0.037 0.025
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-Math-1.5B
MERA
0.043 0.019 0.037 0.023 0.079
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Qwen2.5-Math-1.5B
MERA
0.454 0.514 0.412 0.432 0.714 0.475