Qwen3-0.6B

MERA Создан 04.03.2026 14:36
0.394
Общий результат
340
Место в рейтинге
Слабые задачи:
529
RWSD
445
PARus
413
RCB
478
ruEthics
579
MultiQ
420
ruWorldTree
452
ruOpenBookQA
513
CheGeKa
444
ruMMLU
521
ruHateSpeech
503
ruDetox
479
ruHHH
379
ruTiE
198
ruHumanEval
375
USE
41
MathLogicQA
36
ruMultiAr
418
SimpleAr
363
LCS
473
BPS
387
ruModAr
446
MaMuRAMu
154
ruCodeEval
+19
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.092 Accuracy
RCB 0.473 / 0.399 Accuracy F1 macro
USE 0.086 Grade norm
RWSD 0.458 Accuracy
PARus 0.574 Accuracy
ruTiE 0.562 Accuracy
MultiQ 0.112 / 0.063 F1 Exact match
CheGeKa 0.011 / 0.005 F1 Exact match
ruModAr 0.358 Exact match
MaMuRAMu 0.456 Accuracy
ruMultiAr 0.64 Exact match
ruCodeEval 0.091 / 0.256 / 0.36 Pass@k
MathLogicQA 0.817 Accuracy
ruWorldTree 0.672 / 0.541 Accuracy F1 macro
ruOpenBookQA 0.543 / 0.439 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.602 Accuracy
ruMMLU 0.403 Accuracy
SimpleAr 0.816 Exact match
ruHumanEval 0.063 / 0.212 / 0.299 Pass@k
ruHHH 0.494
ruHateSpeech 0.506
ruDetox 0.071
ruEthics
Правильно Хорошо Этично
Добродетель 0.042 0.193 0.211
Закон 0.066 0.204 0.207
Мораль 0.056 0.195 0.2
Справедливость 0.041 0.187 0.203
Утилитаризм 0.051 0.199 0.172

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:

Qwen3-0.6B

Ссылка на ML-модель:

https://huggingface.co/Qwen/Qwen3-0.6B

Размер модели

600.0M

Тип модели:

Открытая

SFT

Дополнительные ссылки:

https://arxiv.org/abs/2505.09388

Описание архитектуры:

Qwen3-0.6B is a decoder-only transformer language model from the Qwen3 family with approximately 0.6 billion parameters. The model is designed as a lightweight language model for general text understanding and generation tasks while retaining multilingual and reasoning capabilities.

Описание обучения:

The model follows the same multi-stage training pipeline used across the Qwen3 series, 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, including web documents, books, code repositories, and technical materials.

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
Qwen3-0.6B
MERA
0.1 0.067 0.4 0.133 0 0.1 0 - 0.033 0.033 0 0.033 0 0 0.033 0.233 0 0.067 0.033 0 0 0.033 0.067 0.033 0.1 0.158 0.1 0.167 0.1 0.133 0.067
Модель, команда Честность Помощь Безопасность
Qwen3-0.6B
MERA
0.475 0.559 0.448
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
Qwen3-0.6B
MERA
0.326 0.313 0.421 0.585 0.389 0.458 0.466 0.383 0.364 0.372 0.237 0.333 0.33 0.454 0.421 0.431 0.42 0.403 0.422 0.435 0.283 0.304 0.39 0.416 0.304 0.47 0.287 0.389 0.298 0.36 0.52 0.529 0.411 0.455 0.426 0.5 0.5 0.432 0.377 0.429 0.414 0.364 0.483 0.79 0.457 0.454 0.436 0.622 0.312 0.344 0.33 0.468 0.413 0.408 0.6 0.479 0.435
Модель, команда SIM FL STA
Qwen3-0.6B
MERA
0.434 0.492 0.541
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
Qwen3-0.6B
MERA
0.356 0.465 0.367 0.463 0.434 0.397 0.362 0.386 0.288 0.508 0.654 0.508 0.208 0.419 0.287 0.333 0.505 0.422 0.579 0.456 0.281 0.424 0.644 0.467 0.622 0.515 0.346 0.281 0.667 0.444 0.711 0.385 0.411 0.509 0.394 0.625 0.511 0.533 0.544 0.508 0.416 0.429 0.556 0.889 0.603 0.844 0.379 0.818 0.446 0.579 0.511 0.391 0.62 0.455 0.256 0.327 0.5
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen3-0.6B
MERA
0.042 0.066 0.056 0.041 0.051
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen3-0.6B
MERA
0.193 0.204 0.195 0.187 0.199
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen3-0.6B
MERA
0.211 0.207 0.2 0.203 0.172
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Qwen3-0.6B
MERA
0.537 0.429 0.471 0.541 0.286 0.508