Qwen2.5-Max

llmarena.ru Создан 20.03.2025 20:18
0.664
Общий результат
41
Место в рейтинге
Слабые задачи:
25
RWSD
36
PARus
43
RCB
26
ruEthics
65
MultiQ
33
ruWorldTree
20
ruOpenBookQA
37
CheGeKa
42
ruMMLU
186
ruHateSpeech
28
ruDetox
24
ruHHH
168
ruHumanEval
35
USE
46
MathLogicQA
37
ruMultiAr
36
LCS
65
ruModAr
25
MaMuRAMu
112
ruCodeEval
+16
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.266 Accuracy
RCB 0.587 / 0.544 Accuracy F1 macro
USE 0.447 Grade norm
RWSD 0.742 Accuracy
PARus 0.932 Accuracy
ruTiE 0.911 Accuracy
MultiQ 0.574 / 0.403 F1 Exact match
CheGeKa 0.447 / 0.363 F1 Exact match
ruModAr 0.794 Exact match
MaMuRAMu 0.869 Accuracy
ruMultiAr 0.591 Exact match
ruCodeEval 0.182 / 0.254 / 0.28 Pass@k
MathLogicQA 0.775 Accuracy
ruWorldTree 0.989 / 0.989 Accuracy F1 macro
ruOpenBookQA 0.953 / 0.953 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.998 Accuracy
ruMMLU 0.785 Accuracy
SimpleAr 1 Exact match
ruHumanEval 0.091 / 0.139 / 0.171 Pass@k
ruHHH 0.882
ruHateSpeech 0.766
ruDetox 0.348
ruEthics
Правильно Хорошо Этично
Добродетель 0.497 0.434 0.56
Закон 0.5 0.411 0.55
Мораль 0.542 0.463 0.597
Справедливость 0.457 0.384 0.517
Утилитаризм 0.432 0.405 0.456

Информация о сабмите

Версия MERA
v.1.2.0
Версия Torch
2.5.1
Версия кодовой базы
30667dc
Версия CUDA
12.4
Precision весов модели
auto
Сид
1234
Батч
1
Версия transformers
4.49.0
Количество GPU и их тип
0
Архитектура
local-chat-completions

Команда:

llmarena.ru

Название ML-модели:

Qwen2.5-Max

Тип модели:

Закрытая

API

SFT

Лицензия:

Proprietary model by Alibaba Cloud

Параметры инференса

Параметры генерации:
rucodeeval - do_sample=true;temperature=0.6;until=["\nclass","\ndef","\n#","\nif","\nprint"]; \nruhumaneval - do_sample=true;temperature=0.6;until=["\nclass","\ndef","\n#","\nif","\nprint"]; \nrutie - transforms=["middle-out"]

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-Max
llmarena.ru
0.8 0.8 0.733 0.133 0.267 0.533 0.433 - 0.433 0.033 0.067 0.067 0.467 0.1 0.133 0.55 0.067 0.1 0.133 0.033 0.067 0.767 0.533 0.3 0.167 0.767 0.667 0.767 0.8 0.733 0.9
Модель, команда Честность Помощь Безопасность
Qwen2.5-Max
llmarena.ru
0.885 0.847 0.914
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-Max
llmarena.ru
0.756 0.578 0.921 0.889 0.859 0.896 0.845 0.797 0.898 0.753 0.737 0.667 0.68 0.806 0.885 0.792 0.81 0.903 0.822 0.878 0.384 0.871 0.7 0.769 0.777 0.94 0.625 0.731 0.812 0.6 0.82 0.876 0.804 0.909 0.842 0.906 0.77 0.952 0.781 0.833 0.859 0.857 0.8 0.897 0.908 0.787 0.907 0.652 0.688 0.82 0.79 0.911 0.897 0.945 0.95 0.867 0.912
Модель, команда SIM FL STA
Qwen2.5-Max
llmarena.ru
0.73 0.725 0.687
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-Max
llmarena.ru
0.822 0.891 0.883 0.731 0.921 0.879 0.81 0.719 0.865 0.846 0.833 0.867 0.6 0.899 0.86 0.827 0.794 0.844 0.895 0.842 0.877 0.915 0.911 0.941 0.956 0.924 0.885 0.772 0.93 0.956 0.844 0.936 0.92 0.947 0.833 0.946 0.867 0.889 0.842 0.846 0.931 0.873 0.889 1 0.879 0.889 0.931 0.909 0.892 0.982 0.911 0.899 0.848 0.831 0.628 0.825 0.944
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-Max
llmarena.ru
0.497 0.5 0.542 0.457 0.432
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-Max
llmarena.ru
0.434 0.411 0.463 0.384 0.405
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-Max
llmarena.ru
0.56 0.55 0.597 0.517 0.456
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Qwen2.5-Max
llmarena.ru
0.806 0.629 0.765 0.703 0.714 0.82