Qwen2.5-Math-72B

MERA Создан 04.11.2024 18:01
0.505
Общий результат
147
Место в рейтинге
Слабые задачи:
202
RWSD
135
PARus
357
RCB
262
ruEthics
491
MultiQ
195
ruWorldTree
162
ruOpenBookQA
271
CheGeKa
125
ruMMLU
165
ruHateSpeech
318
ruDetox
273
ruHHH
399
ruTiE
255
ruHumanEval
151
USE
56
MathLogicQA
51
ruMultiAr
54
SimpleAr
216
LCS
82
BPS
52
ruModAr
151
MaMuRAMu
277
ruCodeEval
+19
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.12 Accuracy
RCB 0.498 / 0.431 Accuracy F1 macro
USE 0.216 Grade norm
RWSD 0.558 Accuracy
PARus 0.884 Accuracy
ruTiE 0.553 Accuracy
MultiQ 0.191 / 0.118 F1 Exact match
CheGeKa 0.115 / 0.072 F1 Exact match
ruModAr 0.832 Exact match
MaMuRAMu 0.746 Accuracy
ruMultiAr 0.441 Exact match
ruCodeEval 0.001 / 0.003 / 0.006 Pass@k
MathLogicQA 0.727 Accuracy
ruWorldTree 0.93 / 0.929 Accuracy F1 macro
ruOpenBookQA 0.86 / 0.86 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.984 Accuracy
ruMMLU 0.672 Accuracy
SimpleAr 0.996 Exact match
ruHumanEval 0.012 / 0.052 / 0.091 Pass@k
ruHHH 0.652
ruHateSpeech 0.777
ruDetox 0.149
ruEthics
Правильно Хорошо Этично
Добродетель 0.214 0.364 0.312
Закон 0.233 0.362 0.319
Мораль 0.259 0.388 0.322
Справедливость 0.216 0.294 0.27
Утилитаризм 0.217 0.318 0.27

Информация о сабмите

Версия MERA
v.1.2.0
Версия Torch
2.4.0
Версия кодовой базы
fea61e4
Версия CUDA
12.1
Precision весов модели
bfloat16bfloat16
Сид
1234
Батч
1
Версия transformers
4.45.1
Количество GPU и их тип
8 x NVIDIA H100 80GB HBM3
Архитектура
hf

Команда:

MERA

Название ML-модели:

Qwen2.5-Math-72B

Ссылка на ML-модель:

https://huggingface.co/Qwen/Qwen2.5-Math-72B

Размер модели

72.7B

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-72B
MERA
0.433 0.367 0.767 0.167 0.067 0.3 0.033 - 0.033 0 0 0 0.2 0.1 0.133 0.167 0 0 0 0.033 0.067 0.5 0.167 0.067 0.067 0.533 0.133 0.1 0.5 0.333 0.3
Модель, команда Честность Помощь Безопасность
Qwen2.5-Math-72B
MERA
0.557 0.695 0.707
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-72B
MERA
0.511 0.5 0.855 0.812 0.716 0.756 0.738 0.704 0.639 0.677 0.623 0.571 0.53 0.713 0.765 0.72 0.7 0.819 0.733 0.672 0.255 0.749 0.65 0.653 0.67 0.75 0.454 0.639 0.731 0.63 0.77 0.752 0.699 0.798 0.668 0.833 0.8 0.871 0.735 0.744 0.798 0.621 0.759 0.844 0.854 0.782 0.799 0.644 0.543 0.669 0.71 0.755 0.803 0.929 0.88 0.752 0.772
Модель, команда SIM FL STA
Qwen2.5-Math-72B
MERA
0.769 0.615 0.365
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-72B
MERA
0.556 0.743 0.767 0.694 0.671 0.69 0.69 0.737 0.654 0.754 0.872 0.792 0.525 0.736 0.626 0.679 0.72 0.756 0.789 0.825 0.719 0.831 0.844 0.746 0.867 0.742 0.679 0.614 0.895 0.822 0.822 0.808 0.804 0.842 0.515 0.857 0.933 0.8 0.772 0.8 0.792 0.794 0.8 0.978 0.862 0.867 0.879 0.886 0.708 0.825 0.822 0.638 0.823 0.766 0.605 0.556 0.789
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-Math-72B
MERA
0.214 0.233 0.259 0.216 0.217
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-Math-72B
MERA
0.364 0.362 0.388 0.294 0.318
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-Math-72B
MERA
0.312 0.319 0.322 0.27 0.27
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Qwen2.5-Math-72B
MERA
0.787 0.714 0.882 0.73 0.429 0.836