Olmo-3.1-32B-Instruct-DPO

MERA Создан 18.03.2026 08:25
0.468
Общий результат
201
Место в рейтинге
Слабые задачи:
322
RWSD
279
PARus
251
RCB
173
ruEthics
151
MultiQ
274
ruWorldTree
238
ruOpenBookQA
282
CheGeKa
281
ruMMLU
297
ruHateSpeech
169
ruDetox
235
ruHHH
177
ruTiE
202
ruHumanEval
163
USE
117
MathLogicQA
132
ruMultiAr
86
SimpleAr
46
LCS
352
BPS
212
ruModAr
345
MaMuRAMu
197
ruCodeEval
+19
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.2 Accuracy
RCB 0.532 / 0.508 Accuracy F1 macro
USE 0.209 Grade norm
RWSD 0.519 Accuracy
PARus 0.778 Accuracy
ruTiE 0.734 Accuracy
MultiQ 0.458 / 0.307 F1 Exact match
CheGeKa 0.105 / 0.07 F1 Exact match
ruModAr 0.5 Exact match
MaMuRAMu 0.563 Accuracy
ruMultiAr 0.332 Exact match
ruCodeEval 0.043 / 0.123 / 0.165 Pass@k
MathLogicQA 0.518 Accuracy
ruWorldTree 0.85 / 0.85 Accuracy F1 macro
ruOpenBookQA 0.793 / 0.635 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.859 Accuracy
ruMMLU 0.529 Accuracy
SimpleAr 0.992 Exact match
ruHumanEval 0.054 / 0.147 / 0.195 Pass@k
ruHHH 0.697
ruHateSpeech 0.672
ruDetox 0.222
ruEthics
Правильно Хорошо Этично
Добродетель 0.342 0.355 0.454
Закон 0.325 0.33 0.418
Мораль 0.356 0.364 0.473
Справедливость 0.287 0.291 0.401
Утилитаризм 0.286 0.31 0.39

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-DPO

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

Данные претрейна:

Date cutoff: Dec. 2024

Лицензия:

Apache 2.0

Параметры инференса

Параметры генерации:
simplear - 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"]; \nrudetox - do_sample=false;until=["\n"]; \nchegeka - do_sample=false;until=["\n"]; \nrucodeeval - do_sample=true;temperature=0.6;until=["\nclass","\ndef","\n#","\nif","\nprint"]; \nruhumaneval - do_sample=true;temperature=0.6;until=["\nclass","\ndef","\n#","\nif","\nprint"];

Размер контекста:
simplear, rumultiar, use, multiq, rumodar, rudetox, chegeka, rucodeeval, ruhumaneval - 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 a helpful function-calling AI assistant. ' -}}{%- 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-DPO
MERA
0.267 0.367 0.8 0.267 0 0.267 0.033 - 0 0.1 0 0 0.2 0.1 0.2 0.333 0.033 0 0.033 0 0.033 0.4 0.267 0.1 0.033 0.417 0.133 0.133 0.3 0.333 0.367
Модель, команда Честность Помощь Безопасность
Olmo-3.1-32B-Instruct-DPO
MERA
0.656 0.729 0.707
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-DPO
MERA
0.43 0.494 0.539 0.735 0.605 0.682 0.641 0.563 0.522 0.61 0.412 0.516 0.43 0.611 0.535 0.59 0.63 0.465 0.533 0.511 0.375 0.491 0.31 0.474 0.518 0.48 0.395 0.546 0.612 0.39 0.64 0.752 0.595 0.657 0.506 0.594 0.43 0.632 0.497 0.537 0.641 0.39 0.517 0.618 0.65 0.523 0.578 0.489 0.418 0.508 0.55 0.717 0.531 0.576 0.85 0.63 0.591
Модель, команда SIM FL STA
Olmo-3.1-32B-Instruct-DPO
MERA
0.462 0.66 0.775
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-DPO
MERA
0.356 0.525 0.55 0.574 0.5 0.603 0.517 0.474 0.346 0.492 0.603 0.608 0.342 0.581 0.409 0.444 0.636 0.467 0.456 0.491 0.491 0.661 0.689 0.568 0.778 0.47 0.667 0.421 0.825 0.578 0.822 0.603 0.571 0.632 0.515 0.625 0.644 0.667 0.474 0.569 0.571 0.381 0.8 0.8 0.828 0.844 0.586 0.773 0.662 0.737 0.933 0.319 0.696 0.597 0.698 0.316 0.589
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Olmo-3.1-32B-Instruct-DPO
MERA
0.342 0.325 0.356 0.287 0.286
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Olmo-3.1-32B-Instruct-DPO
MERA
0.355 0.33 0.364 0.291 0.31
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Olmo-3.1-32B-Instruct-DPO
MERA
0.454 0.418 0.473 0.401 0.39
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Olmo-3.1-32B-Instruct-DPO
MERA
0.722 0.6 0.647 0.595 0.429 0.705