Qwen3-1.7B

MERA Создан 04.03.2026 08:00
0.338
Общий результат
423
Место в рейтинге
Слабые задачи:
590
RWSD
387
PARus
356
RCB
464
ruEthics
568
MultiQ
371
ruWorldTree
431
ruOpenBookQA
559
CheGeKa
405
ruMMLU
374
ruHateSpeech
521
ruDetox
435
ruHHH
314
ruTiE
133
ruHumanEval
408
USE
389
MathLogicQA
53
ruMultiAr
404
SimpleAr
45
LCS
281
BPS
564
ruModAr
436
MaMuRAMu
173
ruCodeEval
+19
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.204 Accuracy
RCB 0.5 / 0.345 Accuracy F1 macro
USE 0.077 Grade norm
RWSD 0.388 Accuracy
PARus 0.656 Accuracy
ruTiE 0.624 Accuracy
MultiQ 0.121 / 0.086 F1 Exact match
CheGeKa 0.007 / 0.002 F1 Exact match
ruModAr 0.002 Exact match
MaMuRAMu 0.48 Accuracy
ruMultiAr 0.438 Exact match
ruCodeEval 0.068 / 0.08 / 0.085 Pass@k
MathLogicQA 0.351 Accuracy
ruWorldTree 0.745 / 0.599 Accuracy F1 macro
ruOpenBookQA 0.573 / 0.563 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.922 Accuracy
ruMMLU 0.431 Accuracy
SimpleAr 0.838 Exact match
ruHumanEval 0.149 / 0.168 / 0.177 Pass@k
ruHHH 0.522
ruHateSpeech 0.611
ruDetox 0.066
ruEthics
Правильно Хорошо Этично
Добродетель 0.103 0.08 0.128
Закон 0.106 0.09 0.133
Мораль 0.101 0.089 0.144
Справедливость 0.092 0.064 0.122
Утилитаризм 0.098 0.047 0.12

Информация о сабмите

Версия MERA
v1.2.0
Версия Torch
2.9.1
Версия кодовой базы
7030e16
Версия CUDA
12.8
Precision весов модели
bfloat16
Сид
1234
Батч
1
Версия transformers
4.56.1
Количество GPU и их тип
1 x NVIDIA A100-SXM4-80GB
Архитектура
local-chat-completions

Команда:

MERA

Название ML-модели:

Qwen3-1.7B

Ссылка на ML-модель:

https://huggingface.co/Qwen/Qwen3-1.7B

Размер модели

1.7B

Тип модели:

Открытая

SFT

Дополнительные ссылки:

https://arxiv.org/abs/2505.09388

Описание архитектуры:

Qwen3-1.7B is a decoder-only transformer language model from the Qwen3 family with approximately 1.7 billion parameters. The model is designed for general language understanding and generation tasks, supporting multilingual capabilities and long-context inputs.

Описание обучения:

The model follows the standard Qwen3 multi-stage training pipeline, including large-scale pretraining followed by post-training stages such as instruction tuning and alignment to improve instruction following and response quality.

Данные претрейна:

The model was pretrained on a large multilingual corpus of approximately 36 trillion tokens covering 119 languages. It was further post-trained on instruction-following and reasoning-oriented datasets to improve instruction following and reasoning performance.

Лицензия:

Apache License 2.0

Параметры инференса

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 %} {{- '<|im_start|>system \n' }} {%- if messages[0].role == 'system' %} {{- messages[0].content + ' \n \n' }} {%- endif %} {{- "# 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>" }} {%- for tool in tools %} {{- " \n" }} {{- tool | tojson }} {%- endfor %} {{- " \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" }} {%- else %} {%- if messages[0].role == 'system' %} {{- '<|im_start|>system \n' + messages[0].content + '<|im_end|> \n' }} {%- endif %} {%- endif %} {%- set ns = namespace(multi_step_tool=true, last_query_index=messages|length - 1) %} {%- for message in messages[::-1] %} {%- set index = (messages|length - 1) - loop.index0 %} {%- if ns.multi_step_tool and message.role == "user" and message.content is string and not(message.content.startswith('<tool_response>') and message.content.endswith('</tool_response>')) %} {%- set ns.multi_step_tool = false %} {%- set ns.last_query_index = index %} {%- endif %} {%- endfor %} {%- for message in messages %} {%- if message.content is string %} {%- set content = message.content %} {%- else %} {%- set content = '' %} {%- endif %} {%- if (message.role == "user") or (message.role == "system" and not loop.first) %} {{- '<|im_start|>' + message.role + ' \n' + content + '<|im_end|>' + ' \n' }} {%- elif message.role == "assistant" %} {%- set reasoning_content = '' %} {%- if message.reasoning_content is string %} {%- set reasoning_content = message.reasoning_content %} {%- else %} {%- if '</think>' in content %} {%- set reasoning_content = content.split('</think>')[0].rstrip(' \n').split('<think>')[-1].lstrip(' \n') %} {%- set content = content.split('</think>')[-1].lstrip(' \n') %} {%- endif %} {%- endif %} {%- if loop.index0 > ns.last_query_index %} {%- if loop.last or (not loop.last and reasoning_content) %} {{- '<|im_start|>' + message.role + ' \n<think> \n' + reasoning_content.strip(' \n') + ' \n</think> \n \n' + content.lstrip(' \n') }} {%- else %} {{- '<|im_start|>' + message.role + ' \n' + content }} {%- endif %} {%- else %} {{- '<|im_start|>' + message.role + ' \n' + content }} {%- endif %} {%- if message.tool_calls %} {%- for tool_call in message.tool_calls %} {%- if (loop.first and content) or (not loop.first) %} {{- ' \n' }} {%- endif %} {%- if tool_call.function %} {%- set tool_call = tool_call.function %} {%- endif %} {{- '<tool_call> \n{"name": "' }} {{- tool_call.name }} {{- '", "arguments": ' }} {%- if tool_call.arguments is string %} {{- tool_call.arguments }} {%- else %} {{- tool_call.arguments | tojson }} {%- endif %} {{- '} \n</tool_call>' }} {%- endfor %} {%- endif %} {{- '<|im_end|> \n' }} {%- elif message.role == "tool" %} {%- if loop.first or (messages[loop.index0 - 1].role != "tool") %} {{- '<|im_start|>user' }} {%- endif %} {{- ' \n<tool_response> \n' }} {{- content }} {{- ' \n</tool_response>' }} {%- if loop.last or (messages[loop.index0 + 1].role != "tool") %} {{- '<|im_end|> \n' }} {%- endif %} {%- endif %} {%- endfor %} {%- if add_generation_prompt %} {{- '<|im_start|>assistant \n' }} {%- if enable_thinking is defined and enable_thinking is false %} {{- '<think> \n \n</think> \n \n' }} {%- endif %} {%- 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
Qwen3-1.7B
MERA
0.1 0.033 0.367 0.333 0 0.067 0 - 0 0 0.033 0 0 0 0.167 0.133 0 0 0.067 0.033 0.033 0.1 0 0 0 0.192 0.1 0.033 0.067 0.067 0
Модель, команда Честность Помощь Безопасность
Qwen3-1.7B
MERA
0.508 0.525 0.534
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
Qwen3-1.7B
MERA
0.444 0.38 0.539 0.62 0.48 0.537 0.553 0.498 0.417 0.399 0.368 0.421 0.22 0.463 0.493 0.419 0.41 0.424 0.422 0.45 0.284 0.345 0.3 0.514 0.232 0.47 0.302 0.37 0.551 0.45 0.53 0.529 0.448 0.444 0.475 0.487 0.4 0.532 0.384 0.448 0.556 0.452 0.441 0.499 0.588 0.519 0.387 0.319 0.326 0.354 0.39 0.511 0.477 0.55 0.49 0.473 0.503
Модель, команда SIM FL STA
Qwen3-1.7B
MERA
0.618 0.544 0.353
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
Qwen3-1.7B
MERA
0.289 0.505 0.433 0.454 0.553 0.397 0.276 0.439 0.385 0.492 0.564 0.533 0.258 0.395 0.351 0.284 0.505 0.533 0.351 0.474 0.263 0.441 0.622 0.527 0.6 0.485 0.474 0.298 0.702 0.511 0.733 0.436 0.42 0.544 0.455 0.804 0.644 0.756 0.474 0.462 0.543 0.524 0.556 0.556 0.759 0.778 0.552 0.523 0.631 0.509 0.689 0.348 0.608 0.468 0.326 0.228 0.633
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen3-1.7B
MERA
0.103 0.106 0.101 0.092 0.098
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen3-1.7B
MERA
0.08 0.09 0.089 0.064 0.047
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen3-1.7B
MERA
0.128 0.133 0.144 0.122 0.12
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Qwen3-1.7B
MERA
0.574 0.629 0.706 0.676 0.286 0.639