DeepSeek-R1-Distill-Qwen-32B

НГУ Создан 06.06.2025 09:02
0.618
Общий результат
53
Место в рейтинге
В топе по задачам:
2
PARus
Задача входит в число основных
9
ruEthics
Слабые задачи:
26
RWSD
106
RCB
113
MultiQ
173
ruWorldTree
103
ruOpenBookQA
144
CheGeKa
93
ruMMLU
24
ruHateSpeech
77
ruDetox
46
ruHHH
90
ruTiE
250
ruHumanEval
83
USE
32
MathLogicQA
30
ruMultiAr
417
SimpleAr
58
LCS
89
BPS
54
ruModAr
107
MaMuRAMu
+16
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.182 Accuracy
RCB 0.566 / 0.523 Accuracy F1 macro
USE 0.319 Grade norm
RWSD 0.742 Accuracy
PARus 0.962 Accuracy
ruTiE 0.822 Accuracy
MultiQ 0.503 / 0.331 F1 Exact match
CheGeKa 0.208 / 0.163 F1 Exact match
ruModAr 0.831 Exact match
MaMuRAMu 0.791 Accuracy
ruMultiAr 0.909 Exact match
ruCodeEval 0 / 0 / 0 Pass@k
MathLogicQA 0.904 Accuracy
ruWorldTree 0.937 / 0.765 Accuracy F1 macro
ruOpenBookQA 0.898 / 0.725 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.983 Accuracy
ruMMLU 0.718 Accuracy
SimpleAr 0.817 Exact match
ruHumanEval 0.012 / 0.012 / 0.012 Pass@k
ruHHH 0.865
ruHateSpeech 0.875
ruDetox 0.313
ruEthics
Правильно Хорошо Этично
Добродетель 0.536 0.544 0.554
Закон 0.546 0.522 0.539
Мораль 0.576 0.569 0.593
Справедливость 0.483 0.477 0.529
Утилитаризм 0.427 0.45 0.454

Информация о сабмите

Версия MERA
v.1.2.0
Версия Torch
2.6.0
Версия кодовой базы
9e50515
Версия CUDA
12.4
Precision весов модели
bf16
Сид
1234
Батч
1
Версия transformers
4.51.3
Количество GPU и их тип
8 x NVIDIA A800 80GB PCIe
Архитектура
local-chat-completions

Команда:

НГУ

Название ML-модели:

DeepSeek-R1-Distill-Qwen-32B

Размер модели

32.0B

Тип модели:

Открытая

SFT

Описание архитектуры:

Causal Language Model; Training Stage: Pretraining, fine-tuned based on open-source models, using samples generated by DeepSeek-R1; Architecture: transformers with RoPE, SwiGLU, RMSNorm, and Attention QKV bias; Number of Parameters: 32.5B; Number of Paramaters (Non-Embedding): 31.0B; Number of Layers: 64; Number of Attention Heads (GQA): 40 for Q and 8 for KV; Context Length: 131,072 tokens

Описание обучения:

DeepSeek-R1-Distill-Qwen-32B is derived from Qwen-2.5 series, which are originally licensed under Apache 2.0 License, and now finetuned with 800k samples curated with DeepSeek-R1.

Лицензия:

MIT License

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;temperature=0.6;until=["\nclass","\ndef","\n#","\nif","\nprint"]; \nrucodeeval - do_sample=true;temperature=0.6;until=["\nclass","\ndef","\n#","\nif","\nprint"];

Размер контекста:
simplear, chegeka, rudetox, rumultiar, use, multiq, rumodar, ruhumaneval, rucodeeval - 3072

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.

Описание темплейта:
{% if not add_generation_prompt is defined %}{% set add_generation_prompt = false %}{% endif %}{% set ns = namespace(is_first=false, is_tool=false, is_output_first=true, system_prompt='') %}{%- for message in messages %}{%- if message['role'] == 'system' %}{% set ns.system_prompt = message['content'] %}{%- endif %}{%- endfor %}{{bos_token}}{{ns.system_prompt}}{%- for message in messages %}{%- if message['role'] == 'user' %}{%- set ns.is_tool = false -%}{{'<|User|>' + message['content']}}{%- endif %}{%- if message['role'] == 'assistant' and message['content'] is none %}{%- set ns.is_tool = false -%}{%- for tool in message['tool_calls']%}{%- if not ns.is_first %}{{'<|Assistant|><|tool▁calls▁begin|><|tool▁call▁begin|>' + tool['type'] + '<|tool▁sep|>' + tool['function']['name'] + '\n' + '```json' + '\n' + tool['function']['arguments'] + '\n' + '```' + '<|tool▁call▁end|>'}}{%- set ns.is_first = true -%}{%- else %}{{'\n' + '<|tool▁call▁begin|>' + tool['type'] + '<|tool▁sep|>' + tool['function']['name'] + '\n' + '```json' + '\n' + tool['function']['arguments'] + '\n' + '```' + '<|tool▁call▁end|>'}}{{'<|tool▁calls▁end|><|end▁of▁sentence|>'}}{%- endif %}{%- endfor %}{%- endif %}{%- if message['role'] == 'assistant' and message['content'] is not none %}{%- if ns.is_tool %}{{'<|tool▁outputs▁end|>' + message['content'] + '<|end▁of▁sentence|>'}}{%- set ns.is_tool = false -%}{%- else %}{% set content = message['content'] %}{% if '</think>' in content %}{% set content = content.split('</think>')[-1] %}{% endif %}{{'<|Assistant|>' + content + '<|end▁of▁sentence|>'}}{%- endif %}{%- endif %}{%- if message['role'] == 'tool' %}{%- set ns.is_tool = true -%}{%- if ns.is_output_first %}{{'<|tool▁outputs▁begin|><|tool▁output▁begin|>' + message['content'] + '<|tool▁output▁end|>'}}{%- set ns.is_output_first = false %}{%- else %}{{'\n<|tool▁output▁begin|>' + message['content'] + '<|tool▁output▁end|>'}}{%- endif %}{%- endif %}{%- endfor -%}{% if ns.is_tool %}{{'<|tool▁outputs▁end|>'}}{% endif %}{% if add_generation_prompt and not ns.is_tool %}{{'<|Assistant|><think>\n'}}{% endif %}

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
DeepSeek-R1-Distill-Qwen-32B
НГУ
0.367 0.4 0.8 0.2 0.267 0.6 0.167 - 0.033 0.033 0.1 0 0.133 0.1 0.1 0.433 0.1 0.067 0.133 0.067 0.1 0.733 0.467 0.233 0.333 0.7 0.233 0.333 0.333 0.3 0.433
Модель, команда Честность Помощь Безопасность
DeepSeek-R1-Distill-Qwen-32B
НГУ
0.836 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
DeepSeek-R1-Distill-Qwen-32B
НГУ
0.615 0.512 0.882 0.812 0.791 0.816 0.728 0.72 0.775 0.677 0.579 0.651 0.48 0.741 0.822 0.691 0.73 0.778 0.756 0.809 0.426 0.801 0.84 0.728 0.75 0.84 0.503 0.657 0.739 0.64 0.77 0.802 0.712 0.838 0.747 0.825 0.82 0.871 0.788 0.778 0.848 0.787 0.655 0.883 0.83 0.792 0.794 0.848 0.606 0.692 0.79 0.831 0.808 0.845 0.85 0.764 0.808
Модель, команда SIM FL STA
DeepSeek-R1-Distill-Qwen-32B
НГУ
0.719 0.625 0.72
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
DeepSeek-R1-Distill-Qwen-32B
НГУ
0.6 0.842 0.717 0.722 0.842 0.828 0.621 0.702 0.808 0.815 0.795 0.733 0.55 0.767 0.766 0.741 0.729 0.8 0.754 0.825 0.825 0.915 0.8 0.84 0.844 0.773 0.756 0.596 0.93 0.889 0.889 0.846 0.714 0.842 0.742 0.821 0.867 0.8 0.86 0.862 0.861 0.73 0.867 1 0.879 0.844 0.914 0.818 0.738 0.877 0.822 0.754 0.823 0.727 0.651 0.807 0.856
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
DeepSeek-R1-Distill-Qwen-32B
НГУ
0.536 0.546 0.576 0.483 0.427
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
DeepSeek-R1-Distill-Qwen-32B
НГУ
0.544 0.522 0.569 0.477 0.45
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
DeepSeek-R1-Distill-Qwen-32B
НГУ
0.554 0.539 0.593 0.529 0.454
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
DeepSeek-R1-Distill-Qwen-32B
НГУ
0.889 0.771 0.941 0.892 1 0.869