Olmo-3.1-32B-Instruct

MERA Создан 18.03.2026 08:23
0.434
Общий результат
276
Место в рейтинге
Слабые задачи:
338
RWSD
281
PARus
243
RCB
205
ruEthics
183
MultiQ
276
ruWorldTree
236
ruOpenBookQA
296
CheGeKa
285
ruMMLU
329
ruHateSpeech
164
ruDetox
226
ruHHH
172
ruTiE
249
ruHumanEval
197
USE
119
MathLogicQA
586
ruMultiAr
53
LCS
356
BPS
210
ruModAr
347
MaMuRAMu
262
ruCodeEval
+18
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.188 Accuracy
RCB 0.534 / 0.51 Accuracy F1 macro
USE 0.182 Grade norm
RWSD 0.515 Accuracy
PARus 0.774 Accuracy
ruTiE 0.736 Accuracy
MultiQ 0.439 / 0.293 F1 Exact match
CheGeKa 0.094 / 0.06 F1 Exact match
ruModAr 0.503 Exact match
MaMuRAMu 0.561 Accuracy
ruMultiAr 0.003 Exact match
ruCodeEval 0.002 / 0.008 / 0.012 Pass@k
MathLogicQA 0.517 Accuracy
ruWorldTree 0.848 / 0.679 Accuracy F1 macro
ruOpenBookQA 0.798 / 0.798 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.857 Accuracy
ruMMLU 0.527 Accuracy
SimpleAr 0.0 Exact match
ruHumanEval 0.013 / 0.026 / 0.037 Pass@k
ruHHH 0.708
ruHateSpeech 0.645
ruDetox 0.228
ruEthics
Правильно Хорошо Этично
Добродетель 0.32 0.35 0.451
Закон 0.304 0.325 0.415
Мораль 0.333 0.358 0.47
Справедливость 0.266 0.287 0.399
Утилитаризм 0.272 0.286 0.386

Информация о сабмите

Версия MERA
v1.2.0
Версия Torch
2.10.0
Версия кодовой базы
0ac3a14
Версия CUDA
12.8
Precision весов модели
bfloat16
Сид
1234
Батч
1
Версия transformers
4.57.6
Количество GPU и их тип
4 x NVIDIA A100-SXM4-80GB
Архитектура
vllm

Команда:

MERA

Название ML-модели:

Olmo-3.1-32B-Instruct

Ссылка на ML-модель:

https://huggingface.co/allenai/Olmo-3.1-32B-Instruct

Размер модели

32.0B

Тип модели:

Открытая

SFT

Дополнительные ссылки:

https://arxiv.org/abs/2512.13961

Описание архитектуры:

Model Description Developed by: Allen Institute for AI (Ai2) Model type: a Transformer style autoregressive language model. Language(s) (NLP): English

Описание обучения:

Model Details Stage 1: SFT supervised fine-tuning on the Dolci-Think-SFT-7B dataset. This dataset consits of math, code, chat, and general knowledge queries. Datasets: Dolci-Think-SFT-7B, Dolci-Instruct-SFT Stage 2:DPO direct preference optimization on the Dolci-Think-DPO-7B dataset. This dataset consits of math, code, chat, and general knowledge queries. Datasets: Dolci-Think-DPO-7B, Dolci-Instruct-DPO Stage 3: RLVR reinforcement learning from verifiable rewards on the Dolci-Think-RL-7B dataset. This dataset consits of math, code, instruction-following, and general chat queries. Datasets: Dolci-Think-RL-7B, Dolci-Instruct-RL

Данные претрейна:

Dec. 2024

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;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 - 65536

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:
{%- set has_system = messages|selectattr('role', 'equalto', 'system')|list|length > 0 -%}{%- if not has_system -%}{{- '<|im_start|>system \nYou are Olmo, a helpful AI assistant built by Ai2. Your date cutoff is December 2024, and your model weights are available at https://huggingface.co/allenai. ' -}}{%- if tools is none or (tools | length) == 0 -%}{{- 'You do not currently have access to any functions. <functions></functions><|im_end|> \n' -}}{%- else -%}{{- 'You are provided with function signatures within <functions></functions> XML tags. You may call one or more functions to assist with the user query. Output any function calls within <function_calls></function_calls> XML tags. Do not make assumptions about what values to plug into functions.' -}}{{- '<functions>' -}}{{- tools | tojson -}}{{- '</functions><|im_end|> \n' -}}{%- endif -%}{%- endif -%}{%- for message in messages -%}{%- if message['role'] == 'system' -%}{{- '<|im_start|>system \n' + message['content'] -}}{%- if tools is not none -%}{{- '<functions>' -}}{{- tools | tojson -}}{{- '</functions>' -}}{%- elif message.get('functions', none) is not none -%}{{- ' <functions>' + message['functions'] + '</functions>' -}}{%- endif -%}{{- '<|im_end|> \n' -}}{%- elif message['role'] == 'user' -%}{{- '<|im_start|>user \n' + message['content'] + '<|im_end|> \n' -}}{%- elif message['role'] == 'assistant' -%}{{- '<|im_start|>assistant \n' -}}{%- if message.get('content', none) is not none -%}{{- message['content'] -}}{%- endif -%}{%- if message.get('function_calls', none) is not none -%}{{- '<function_calls>' + message['function_calls'] + '</function_calls>' -}}{% elif message.get('tool_calls', none) is not none %}{{- '<function_calls>' -}}{%- for tool_call in message['tool_calls'] %}{%- if tool_call is mapping and tool_call.get('function', none) is not none %}{%- set args = tool_call['function']['arguments'] -%}{%- set ns = namespace(arguments_list=[]) -%}{%- for key, value in args.items() -%}{%- set ns.arguments_list = ns.arguments_list + [key ~ '=' ~ (value | tojson)] -%}{%- endfor -%}{%- set arguments = ns.arguments_list | join(', ') -%}{{- tool_call['function']['name'] + '(' + arguments + ')' -}}{%- if not loop.last -%}{{ ' \n' }}{%- endif -%}{% else %}{{- tool_call -}}{%- endif %}{%- endfor %}{{- '</function_calls>' -}}{%- endif -%}{%- if not loop.last -%}{{- '<|im_end|>' + ' \n' -}}{%- else -%}{{- eos_token -}}{%- endif -%}{%- elif message['role'] == 'environment' -%}{{- '<|im_start|>environment \n' + message['content'] + '<|im_end|> \n' -}}{%- elif message['role'] == 'tool' -%}{{- '<|im_start|>environment \n' + message['content'] + '<|im_end|> \n' -}}{%- endif -%}{%- if loop.last and add_generation_prompt -%}{{- '<|im_start|>assistant\n' -}}{%- endif -%}{%- endfor -%}

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
Olmo-3.1-32B-Instruct
MERA
0.1 0.2 0.633 0.233 0 0.133 0 - 0 0 0 0.033 0.2 0.1 0.033 0.317 0.033 0 0.033 0 0 0.4 0.233 0.1 0.1 0.458 0.133 0.167 0.233 0.333 0.3
Модель, команда Честность Помощь Безопасность
Olmo-3.1-32B-Instruct
MERA
0.672 0.729 0.724
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
Olmo-3.1-32B-Instruct
MERA
0.407 0.488 0.539 0.722 0.598 0.677 0.65 0.559 0.509 0.596 0.404 0.516 0.42 0.611 0.534 0.604 0.63 0.438 0.511 0.534 0.372 0.491 0.31 0.462 0.527 0.5 0.398 0.565 0.624 0.37 0.62 0.744 0.589 0.667 0.509 0.603 0.45 0.632 0.503 0.542 0.626 0.386 0.51 0.605 0.646 0.528 0.578 0.481 0.426 0.5 0.55 0.7 0.544 0.576 0.85 0.63 0.596
Модель, команда SIM FL STA
Olmo-3.1-32B-Instruct
MERA
0.476 0.653 0.787
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
Olmo-3.1-32B-Instruct
MERA
0.356 0.535 0.483 0.556 0.5 0.603 0.5 0.474 0.346 0.477 0.615 0.617 0.342 0.605 0.404 0.457 0.645 0.467 0.456 0.509 0.509 0.678 0.667 0.568 0.778 0.47 0.654 0.386 0.825 0.6 0.822 0.615 0.589 0.649 0.5 0.607 0.6 0.644 0.439 0.554 0.584 0.365 0.8 0.778 0.828 0.844 0.569 0.773 0.631 0.737 0.889 0.333 0.696 0.61 0.651 0.327 0.6
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Olmo-3.1-32B-Instruct
MERA
0.32 0.304 0.333 0.266 0.272
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Olmo-3.1-32B-Instruct
MERA
0.35 0.325 0.358 0.287 0.286
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Olmo-3.1-32B-Instruct
MERA
0.451 0.415 0.47 0.399 0.386
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Olmo-3.1-32B-Instruct
MERA
0.722 0.571 0.529 0.541 0.429 0.672