Qwen3-8B

MERA Создан 05.03.2026 00:11
0.645
Общий результат
44
Место в рейтинге
Слабые задачи:
120
RWSD
206
PARus
54
RCB
238
ruEthics
157
MultiQ
55
ruWorldTree
95
ruOpenBookQA
267
CheGeKa
99
ruMMLU
34
ruHateSpeech
117
ruDetox
149
ruHHH
66
ruTiE
26
ruHumanEval
111
USE
23
MathLogicQA
24
ruMultiAr
96
SimpleAr
32
LCS
120
BPS
60
ruModAr
110
MaMuRAMu
59
ruCodeEval
+19
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.342 Accuracy
RCB 0.582 / 0.558 Accuracy F1 macro
USE 0.289 Grade norm
RWSD 0.588 Accuracy
PARus 0.844 Accuracy
ruTiE 0.856 Accuracy
MultiQ 0.456 / 0.296 F1 Exact match
CheGeKa 0.117 / 0.079 F1 Exact match
ruModAr 0.824 Exact match
MaMuRAMu 0.784 Accuracy
ruMultiAr 0.985 Exact match
ruCodeEval 0.371 / 0.458 / 0.482 Pass@k
MathLogicQA 0.99 Accuracy
ruWorldTree 0.983 / 0.788 Accuracy F1 macro
ruOpenBookQA 0.903 / 0.723 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.973 Accuracy
ruMMLU 0.711 Accuracy
SimpleAr 0.99 Exact match
ruHumanEval 0.609 / 0.678 / 0.689 Pass@k
ruHHH 0.775
ruHateSpeech 0.86
ruDetox 0.273
ruEthics
Правильно Хорошо Этично
Добродетель 0.293 0.361 0.401
Закон 0.319 0.34 0.387
Мораль 0.324 0.378 0.421
Справедливость 0.256 0.303 0.36
Утилитаризм 0.23 0.302 0.358

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:

Qwen3-8B

Ссылка на ML-модель:

https://huggingface.co/Qwen/Qwen3-8B

Размер модели

8.0B

Тип модели:

Открытая

SFT

Дополнительные ссылки:

https://arxiv.org/abs/2505.09388

Описание архитектуры:

Qwen3-8B is a decoder-only transformer language model from the Qwen3 family with approximately 8 billion parameters. The model is designed for general language understanding and generation tasks, including reasoning, coding, and multilingual applications, and supports long-context inputs.

Описание обучения:

The model is trained using a multi-stage pipeline consisting of large-scale pretraining followed by post-training. Post-training includes instruction tuning and alignment techniques to improve instruction following, reasoning ability, 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
Qwen3-8B
MERA
0.3 0.4 0.867 0.267 0.167 0.367 0.033 - 0 0 0.067 0 0.233 0.067 0.067 0.283 0.033 0.033 0 0.067 0.2 0.6 0.433 0.4 0.4 0.567 0.267 0.467 0.4 0.5 0.367
Модель, команда Честность Помощь Безопасность
Qwen3-8B
MERA
0.738 0.78 0.81
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
Qwen3-8B
MERA
0.615 0.524 0.855 0.808 0.739 0.741 0.825 0.653 0.664 0.691 0.667 0.778 0.58 0.704 0.775 0.63 0.73 0.847 0.844 0.84 0.459 0.754 0.89 0.751 0.679 0.82 0.413 0.62 0.686 0.63 0.76 0.777 0.675 0.808 0.743 0.868 0.78 0.894 0.841 0.867 0.798 0.75 0.766 0.958 0.884 0.829 0.784 0.944 0.596 0.675 0.82 0.793 0.838 0.895 0.87 0.782 0.819
Модель, команда SIM FL STA
Qwen3-8B
MERA
0.779 0.52 0.707
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
Qwen3-8B
MERA
0.6 0.851 0.8 0.667 0.855 0.672 0.707 0.667 0.654 0.754 0.808 0.8 0.567 0.744 0.743 0.654 0.748 0.867 0.842 0.807 0.649 0.847 0.844 0.852 0.867 0.848 0.795 0.719 0.895 0.889 0.867 0.795 0.75 0.825 0.636 0.821 0.933 0.867 0.895 0.815 0.845 0.762 0.844 0.978 0.914 0.889 0.879 0.909 0.785 0.895 0.844 0.739 0.823 0.766 0.721 0.637 0.844
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen3-8B
MERA
0.293 0.319 0.324 0.256 0.23
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen3-8B
MERA
0.361 0.34 0.378 0.303 0.302
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen3-8B
MERA
0.401 0.387 0.421 0.36 0.358
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Qwen3-8B
MERA
0.87 0.8 0.941 0.838 0.857 0.869