Meno-Lite-0.1

НГУ Создан 31.01.2026 03:53
0.555
Общий результат
103
Место в рейтинге
Слабые задачи:
168
RWSD
241
PARus
212
RCB
191
ruEthics
88
MultiQ
143
ruWorldTree
127
ruOpenBookQA
89
CheGeKa
191
ruMMLU
210
ruHateSpeech
118
ruDetox
180
ruHHH
117
ruTiE
157
ruHumanEval
137
USE
76
MathLogicQA
105
ruMultiAr
62
SimpleAr
56
LCS
182
BPS
213
ruModAr
145
MaMuRAMu
54
ruCodeEval
+19
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.186 Accuracy
RCB 0.541 / 0.458 Accuracy F1 macro
USE 0.24 Grade norm
RWSD 0.569 Accuracy
PARus 0.818 Accuracy
ruTiE 0.794 Accuracy
MultiQ 0.536 / 0.403 F1 Exact match
CheGeKa 0.346 / 0.293 F1 Exact match
ruModAr 0.497 Exact match
MaMuRAMu 0.749 Accuracy
ruMultiAr 0.347 Exact match
ruCodeEval 0.377 / 0.569 / 0.622 Pass@k
MathLogicQA 0.666 Accuracy
ruWorldTree 0.949 / 0.76 Accuracy F1 macro
ruOpenBookQA 0.88 / 0.705 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.96 Accuracy
ruMMLU 0.624 Accuracy
SimpleAr 0.995 Exact match
ruHumanEval 0.109 / 0.193 / 0.22 Pass@k
ruHHH 0.742
ruHateSpeech 0.755
ruDetox 0.273
ruEthics
Правильно Хорошо Этично
Добродетель 0.345 0.357 0.395
Закон 0.346 0.327 0.391
Мораль 0.368 0.353 0.415
Справедливость 0.338 0.313 0.375
Утилитаризм 0.277 0.294 0.344

Информация о сабмите

Версия MERA
v1.2.0
Версия Torch
2.3.1
Версия кодовой базы
430295f
Версия CUDA
11.8
Precision весов модели
bfloat16
Сид
1234
Батч
1
Версия transformers
4.46.3
Количество GPU и их тип
1 x NVIDIA A100-PCIE-40GB
Архитектура
hf

Команда:

НГУ

Название ML-модели:

Meno-Lite-0.1

Ссылка на ML-модель:

https://huggingface.co/bond005/meno-lite-0.1

Размер модели

7.0B

Тип модели:

Открытая

Описание архитектуры:

Meno-Lite-0.1 is derived from RuadaptQwen2.5-7B-Lite-Beta and further adapted for Russian RAG pipelines, with a focus on information extraction, summarization, and question answering over complex legal and technical documents.

Описание обучения:

Two-stage training: continued pretraining on RU/EN educational, legal, and sci-tech texts, then SFT on a custom instruction set targeting language skills (not world knowledge) to improve context use for document QA/RAG.

Данные претрейна:

CPT data: sampled FineWeb-Edu (EN); RuLM (RU) subset selected for maximal FineWeb-Edu similarity using gte-multilingual-base; RU FinePDFs-edu; RuREBus (Dialogue’20) unlabeled text corpus. SFT data: NEREL converted to instructions + GPT-4o-mini synthetic entity normalization/definitions; LightRAG (GPT-4o) query logs on Habr + NSU site; plus MultiHopRAG and MTRAGEval train dialogs (EN).

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;

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 tools %} \n {{- '<|im_start|>system \n' }} \n {%- if messages[0]['role'] == 'system' %} \n {{- messages[0]['content'] }} \n {%- else %} \n {{- 'You are Meno, created by Ivan Bondarenko. You are a helpful assistant.' }} \n {%- endif %} \n {{- " \n \n# Tools \n \nYou may call one or more functions to assist with the user query. \n \nYou are provided with function signatures within <tools></tools> XML tags: \n<tools>" }} \n {%- for tool in tools %} \n {{- " \n" }} \n {{- tool | tojson }} \n {%- endfor %} \n {{- " \n</tools> \n \nFor each function call, return a json object with function name and arguments within <tool_call></tool_call> XML tags: \n<tool_call> \n{"name": <function-name>, "arguments": <args-json-object>} \n</tool_call><|im_end|> \n" }} \n{%- else %} \n {%- if messages[0]['role'] == 'system' %} \n {{- '<|im_start|>system \n' + messages[0]['content'] + '<|im_end|> \n' }} \n {%- endif %} \n{%- endif %} \n{%- for message in messages %} \n {%- if (message.role == "user") or (message.role == "system" and not loop.first) or (message.role == "assistant" and not message.tool_calls) %} \n {{- '<|im_start|>' + message.role + ' \n' + message.content + '<|im_end|>' + ' \n' }} \n {%- elif message.role == "assistant" %} \n {{- '<|im_start|>' + message.role }} \n {%- if message.content %} \n {{- ' \n' + message.content }} \n {%- endif %} \n {%- for tool_call in message.tool_calls %} \n {%- if tool_call.function is defined %} \n {%- set tool_call = tool_call.function %} \n {%- endif %} \n {{- ' \n<tool_call> \n{"name": "' }} \n {{- tool_call.name }} \n {{- '", "arguments": ' }} \n {{- tool_call.arguments | tojson }} \n {{- '} \n</tool_call>' }} \n {%- endfor %} \n {{- '<|im_end|> \n' }} \n {%- elif message.role == "tool" %} \n {%- if (loop.index0 == 0) or (messages[loop.index0 - 1].role != "tool") %} \n {{- '<|im_start|>user' }} \n {%- endif %} \n {{- ' \n<tool_response> \n' }} \n {{- message.content }} \n {{- ' \n</tool_response>' }} \n {%- if loop.last or (messages[loop.index0 + 1].role != "tool") %} \n {{- '<|im_end|> \n' }} \n {%- endif %} \n {%- endif %} \n{%- endfor %} \n{%- if add_generation_prompt %} \n {{- '<|im_start|>assistant \n' }} \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
Meno-Lite-0.1
НГУ
0.5 0.467 0.667 0.233 0.033 0.367 0 - 0.033 0.033 0 0.033 0.133 0 0.1 0.267 0.033 0.067 0 0.033 0.033 0.733 0.367 0.1 0.033 0.55 0.067 0.2 0.333 0.4 0.433
Модель, команда Честность Помощь Безопасность
Meno-Lite-0.1
НГУ
0.689 0.695 0.845
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
Meno-Lite-0.1
НГУ
0.548 0.488 0.776 0.833 0.716 0.761 0.777 0.627 0.722 0.632 0.509 0.444 0.4 0.63 0.771 0.662 0.72 0.715 0.467 0.672 0.332 0.807 0.46 0.653 0.491 0.73 0.422 0.602 0.645 0.45 0.83 0.752 0.693 0.808 0.691 0.688 0.49 0.826 0.53 0.606 0.788 0.581 0.634 0.69 0.803 0.602 0.765 0.478 0.426 0.618 0.55 0.802 0.682 0.723 0.81 0.727 0.746
Модель, команда SIM FL STA
Meno-Lite-0.1
НГУ
0.551 0.752 0.713
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
Meno-Lite-0.1
НГУ
0.622 0.842 0.617 0.667 0.75 0.655 0.724 0.754 0.712 0.723 0.731 0.683 0.492 0.783 0.678 0.716 0.692 0.733 0.614 0.772 0.491 0.881 0.756 0.793 0.711 0.758 0.795 0.614 0.93 0.822 0.844 0.808 0.714 0.895 0.697 0.804 0.889 0.733 0.684 0.708 0.824 0.857 0.8 0.844 0.879 0.889 0.897 0.818 0.846 0.877 0.778 0.797 0.797 0.74 0.674 0.649 0.822
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Meno-Lite-0.1
НГУ
0.345 0.346 0.368 0.338 0.277
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Meno-Lite-0.1
НГУ
0.357 0.327 0.353 0.313 0.294
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Meno-Lite-0.1
НГУ
0.395 0.391 0.415 0.375 0.344
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Meno-Lite-0.1
НГУ
0.833 0.6 0.882 0.784 0.286 0.705