LFM2-24B-A2B

MERA Создан 02.04.2026 22:13
0.372
Общий результат
366
Место в рейтинге
Слабые задачи:
490
RWSD
378
PARus
404
RCB
396
ruEthics
397
MultiQ
296
ruWorldTree
372
ruOpenBookQA
431
CheGeKa
338
ruMMLU
330
ruHateSpeech
366
ruDetox
382
ruHHH
330
ruTiE
260
ruHumanEval
341
USE
237
MathLogicQA
167
ruMultiAr
181
SimpleAr
512
LCS
133
BPS
397
ruModAr
336
MaMuRAMu
+18
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.056 Accuracy
RCB 0.477 / 0.396 Accuracy F1 macro
USE 0.107 Grade norm
RWSD 0.481 Accuracy
PARus 0.666 Accuracy
ruTiE 0.604 Accuracy
MultiQ 0.266 / 0.183 F1 Exact match
CheGeKa 0.026 / 0.01 F1 Exact match
ruModAr 0.349 Exact match
MaMuRAMu 0.572 Accuracy
ruMultiAr 0.307 Exact match
ruCodeEval 0 / 0 / 0 Pass@k
MathLogicQA 0.424 Accuracy
ruWorldTree 0.83 / 0.666 Accuracy F1 macro
ruOpenBookQA 0.648 / 0.52 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.97 Accuracy
ruMMLU 0.484 Accuracy
SimpleAr 0.979 Exact match
ruHumanEval 0.012 / 0.012 / 0.012 Pass@k
ruHHH 0.562
ruHateSpeech 0.645
ruDetox 0.13
ruEthics
Правильно Хорошо Этично
Добродетель 0.144 0.246 0.218
Закон 0.125 0.245 0.215
Мораль 0.14 0.232 0.226
Справедливость 0.106 0.186 0.188
Утилитаризм 0.152 0.211 0.225

Информация о сабмите

Версия MERA
v1.2.0
Версия Torch
2.9.0
Версия кодовой базы
2a537dd
Версия CUDA
12.8
Precision весов модели
bfloat16
Сид
1234
Батч
1
Версия transformers
5.5.0.dev0
Количество GPU и их тип
4 x NVIDIA A100-SXM4-80GB
Архитектура
local-chat-completions

Команда:

MERA

Название ML-модели:

LFM2-24B-A2B

Ссылка на ML-модель:

https://huggingface.co/LiquidAI/LFM2-24B-A2B

Размер модели

24.0B

Тип модели:

Открытая

SFT

MoE

Дополнительные ссылки:

https://arxiv.org/abs/2511.23404

Описание архитектуры:

LFM2 is a family of hybrid models designed for on-device deployment. LFM2-24B-A2B is the largest model in the family, scaling the architecture to 24 billion parameters while keeping inference efficient.

Описание обучения:

LFM2 is a hybrid architecture that pairs efficient gated short convolution blocks with a small number of grouped query attention (GQA) blocks. This design, developed through hardware-in-the-loop architecture search, gives LFM2 models fast prefill and decode at low memory cost. LFM2-24B-A2B applies this backbone in a Mixture of Experts configuration: with 24B total parameters but only 2.3B active per forward pass, it punches far above the cost of a 2B dense model at inference time.

Данные претрейна:

The SFT corpus we use comprises approximately 5.39 million samples for the 350M, 700M, 1.2B, and 2.6B models, and 9.24 million samples for the 8B-A1B model (which includes additional math and code-focused data). The two datasets integrate 67 and 79 carefully curated sources, respectively, spanning open-source datasets, licensed data, and targeted synthetic generations optimized for on-device deployment scenarios, with multilingual samples integrated throughout each category.

Лицензия:

LFM Open License v1.0

Параметры инференса

Описание темплейта:
{{- bos_token -}} {%- set keep_past_thinking = keep_past_thinking | default(false) -%} {%- set ns = namespace(system_prompt="") -%} {%- if messages[0]["role"] == "system" -%} {%- set sys_content = messages[0]["content"] -%} {%- if sys_content is not string -%} {%- for item in sys_content -%} {%- if item["type"] == "text" -%} {%- set ns.system_prompt = ns.system_prompt + item["text"] -%} {%- endif -%} {%- endfor -%} {%- else -%} {%- set ns.system_prompt = sys_content -%} {%- endif -%} {%- set messages = messages[1:] -%} {%- endif -%} {%- if tools -%} {%- set ns.system_prompt = ns.system_prompt + ("\n" if ns.system_prompt else "") + "List of tools: [" -%} {%- for tool in tools -%} {%- if tool is not string -%} {%- set tool = tool | tojson -%} {%- endif -%} {%- set ns.system_prompt = ns.system_prompt + tool -%} {%- if not loop.last -%} {%- set ns.system_prompt = ns.system_prompt + ", " -%} {%- endif -%} {%- endfor -%} {%- set ns.system_prompt = ns.system_prompt + "]" -%} {%- endif -%} {%- if ns.system_prompt -%} {{- "<|im_start|>system\n" + ns.system_prompt + "<|im_end|>\n" -}} {%- endif -%} {%- set ns.last_assistant_index = -1 -%} {%- for message in messages -%} {%- if message["role"] == "assistant" -%} {%- set ns.last_assistant_index = loop.index0 -%} {%- endif -%} {%- endfor -%} {%- for message in messages -%} {{- "<|im_start|>" + message["role"] + "\n" -}} {%- set content = message["content"] -%} {%- if content is not string -%} {%- set ns.content = "" -%} {%- for item in content -%} {%- if item["type"] == "image" -%} {%- set ns.content = ns.content + "<image>" -%} {%- elif item["type"] == "text" -%} {%- set ns.content = ns.content + item["text"] -%} {%- else -%} {%- set ns.content = ns.content + item | tojson -%} {%- endif -%} {%- endfor -%} {%- set content = ns.content -%} {%- endif -%} {%- if message["role"] == "assistant" and not keep_past_thinking and loop.index0 != ns.last_assistant_index -%} {%- if "</think>" in content -%} {%- set content = content.split("</think>")[-1] | trim -%} {%- endif -%} {%- endif -%} {{- content + "<|im_end|>\n" -}} {%- endfor -%} {%- if add_generation_prompt -%} {{- "<|im_start|>assistant\n" -}} {%- endif -%}

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.

Параметры генерации:
rucodeeval - 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"];\nrutie_gen - do_sample=false;until=["\n"];\nbps_gen - do_sample=false;until=["\n"];\nchegeka - do_sample=false;until=["\n"];\nlcs_gen - do_sample=false;until=["\n"];\nmamuramu_gen - do_sample=false;until=["\n"];\nmathlogicqa_gen - do_sample=false;until=["\n"];\nmultiq - do_sample=false;until=["\n"];\nparus_gen - do_sample=false;until=["\n"];\nrcb_gen - do_sample=false;until=["\n"];\nrudetox - do_sample=false;until=["\n"];\nruethics_gen - do_sample=false;until=["\n"];\nruhatespeech_gen - do_sample=false;until=["\n"];\nruhhh_gen - do_sample=false;until=["\n"];\nrummlu_gen - do_sample=false;until=["\n"];\nrumodar - do_sample=false;until=["\n"];\nrumultiar - do_sample=false;until=["\n"];\nruopenbookqa_gen - do_sample=false;until=["\n"];\nruworldtree_gen - do_sample=false;until=["\n"];\nrwsd_gen - do_sample=false;until=["\n"];\nsimplear - do_sample=false;until=["\n"];\nuse - do_sample=false;until=["\n", "."];

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
LFM2-24B-A2B
MERA
0.233 0.2 0.5 0.167 0.067 0.133 0 - 0.033 0.033 0 0 0.033 0 0.067 0.167 0.033 0.033 0.033 0.033 0 0.133 0.1 0 0.067 0.142 0.067 0.2 0.233 0.2 0.133
Модель, команда Честность Помощь Безопасность
LFM2-24B-A2B
MERA
0.525 0.61 0.552
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
LFM2-24B-A2B
MERA
0.496 0.446 0.678 0.671 0.595 0.667 0.631 0.598 0.577 0.48 0.351 0.389 0.32 0.528 0.572 0.517 0.56 0.528 0.389 0.489 0.26 0.579 0.36 0.52 0.321 0.53 0.33 0.537 0.653 0.42 0.53 0.686 0.46 0.697 0.532 0.517 0.32 0.635 0.43 0.517 0.606 0.401 0.538 0.401 0.597 0.449 0.564 0.293 0.33 0.449 0.47 0.658 0.497 0.601 0.55 0.612 0.528
Модель, команда SIM FL STA
LFM2-24B-A2B
MERA
0.334 0.622 0.782
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
LFM2-24B-A2B
MERA
0.378 0.604 0.617 0.5 0.5 0.534 0.534 0.579 0.654 0.523 0.59 0.533 0.45 0.481 0.526 0.444 0.617 0.6 0.456 0.702 0.281 0.525 0.467 0.586 0.756 0.545 0.538 0.456 0.825 0.622 0.8 0.59 0.5 0.632 0.47 0.661 0.578 0.756 0.561 0.508 0.604 0.54 0.733 0.667 0.897 0.889 0.672 0.75 0.646 0.737 0.733 0.58 0.62 0.558 0.395 0.398 0.633
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
LFM2-24B-A2B
MERA
0.144 0.125 0.14 0.106 0.152
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
LFM2-24B-A2B
MERA
0.246 0.245 0.232 0.186 0.211
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
LFM2-24B-A2B
MERA
0.218 0.215 0.226 0.188 0.225
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
LFM2-24B-A2B
MERA
0.685 0.6 0.588 0.568 0.429 0.689