LFM2-8B-A1B

MERA Создан 03.04.2026 13:15
0.278
Общий результат
516
Место в рейтинге
Слабые задачи:
595
RWSD
507
PARus
441
RCB
502
ruEthics
484
MultiQ
454
ruWorldTree
459
ruOpenBookQA
540
CheGeKa
464
ruMMLU
539
ruHateSpeech
475
ruDetox
567
ruHHH
346
ruTiE
276
ruHumanEval
356
USE
593
MathLogicQA
347
ruMultiAr
265
SimpleAr
203
LCS
409
BPS
551
ruModAr
467
MaMuRAMu
252
ruCodeEval
+19
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.126 Accuracy
RCB 0.454 / 0.281 Accuracy F1 macro
USE 0.098 Grade norm
RWSD 0.373 Accuracy
PARus 0.518 Accuracy
ruTiE 0.59 Accuracy
MultiQ 0.202 / 0.143 F1 Exact match
CheGeKa 0.009 / 0 F1 Exact match
ruModAr 0.006 Exact match
MaMuRAMu 0.438 Accuracy
ruMultiAr 0.212 Exact match
ruCodeEval 0.004 / 0.018 / 0.037 Pass@k
MathLogicQA 0.198 Accuracy
ruWorldTree 0.621 / 0.501 Accuracy F1 macro
ruOpenBookQA 0.538 / 0.431 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.768 Accuracy
ruMMLU 0.385 Accuracy
SimpleAr 0.949 Exact match
ruHumanEval 0.009 / 0.033 / 0.049 Pass@k
ruHHH 0.461
ruHateSpeech 0.494
ruDetox 0.079
ruEthics
Правильно Хорошо Этично
Добродетель 0.081 0.046 0.187
Закон 0.054 0.019 0.178
Мораль 0.075 0.024 0.194
Справедливость 0.057 0.015 0.175
Утилитаризм 0.051 0.063 0.186

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
1 x NVIDIA A100-SXM4-80GB
Архитектура
hf

Команда:

MERA

Название ML-модели:

LFM2-8B-A1B

Ссылка на ML-модель:

https://huggingface.co/LiquidAI/LFM2-8B-A1B

Размер модели

8.0B

Тип модели:

Открытая

SFT

MoE

Дополнительные ссылки:

https://arxiv.org/abs/2511.23404

Описание архитектуры:

LFM2 is a new generation of hybrid models developed by Liquid AI, specifically designed for edge AI and on-device deployment. It sets a new standard in terms of quality, speed, and memory efficiency.

Описание обучения:

Hybrid model with multiplicative gates and short convolutions: 18 double-gated short-range LIV convolution blocks and 6 grouped query attention (GQA) blocks.

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

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", "."];

Размер контекста:
128000

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:
{{- bos_token -}}{%- set system_prompt = \"\" -%}{%- set ns = namespace(system_prompt=\"\") -%}{%- if messages[0][\"role\"] == \"system\" -%} {%- set ns.system_prompt = messages[0][\"content\"] -%} {%- set messages = messages[1:] -%}{%- endif -%}{%- if tools -%} {%- set ns.system_prompt = ns.system_prompt + (\"\n\" if ns.system_prompt else \"\") + \"List of tools: <|tool_list_start|>[\" -%} {%- 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 + \"]<|tool_list_end|>\" -%}{%- endif -%}{%- if ns.system_prompt -%} {{- \"<|im_start|>system\n\" + ns.system_prompt + \"<|im_end|>\n\" -}}{%- endif -%}{%- for message in messages -%} {{- \"<|im_start|>\" + message[\"role\"] + \"\n\" -}} {%- set content = message[\"content\"] -%} {%- if content is not string -%} {%- set content = content | tojson -%} {%- endif -%} {%- if message[\"role\"] == \"tool\" -%} {%- set content = \"<|tool_response_start|>\" + content + \"<|tool_response_end|>\" -%} {%- endif -%} {{- content + \"<|im_end|>\n\" -}}{%- endfor -%}{%- if add_generation_prompt -%} {{- \"<|im_start|>assistant\n\" -}}{%- 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
LFM2-8B-A1B
MERA
0.267 0 0.5 0.233 0.033 0.067 0 - 0 0.133 0 0.067 0 0 0.133 0.233 0.033 0.033 0 0.033 0 0.067 0.067 0 0.033 0.1 0.033 0.167 0.2 0.167 0.2
Модель, команда Честность Помощь Безопасность
LFM2-8B-A1B
MERA
0.426 0.407 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
LFM2-8B-A1B
MERA
0.393 0.44 0.467 0.581 0.513 0.557 0.544 0.447 0.404 0.381 0.289 0.31 0.26 0.519 0.423 0.434 0.47 0.354 0.156 0.397 0.236 0.427 0.22 0.353 0.268 0.49 0.311 0.509 0.473 0.27 0.46 0.661 0.442 0.556 0.442 0.41 0.21 0.51 0.265 0.369 0.51 0.301 0.421 0.223 0.496 0.343 0.456 0.096 0.238 0.408 0.29 0.515 0.367 0.391 0.52 0.473 0.456
Модель, команда SIM FL STA
LFM2-8B-A1B
MERA
0.443 0.503 0.534
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
LFM2-8B-A1B
MERA
0.333 0.465 0.417 0.37 0.368 0.569 0.414 0.368 0.5 0.446 0.462 0.458 0.308 0.357 0.374 0.358 0.514 0.511 0.316 0.526 0.211 0.424 0.378 0.462 0.4 0.545 0.41 0.421 0.737 0.4 0.644 0.487 0.42 0.474 0.364 0.589 0.4 0.489 0.316 0.369 0.437 0.46 0.6 0.333 0.638 0.689 0.466 0.523 0.569 0.561 0.578 0.377 0.557 0.377 0.163 0.327 0.511
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
LFM2-8B-A1B
MERA
0.081 0.054 0.075 0.057 0.051
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
LFM2-8B-A1B
MERA
0.046 0.019 0.024 0.015 0.063
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
LFM2-8B-A1B
MERA
0.187 0.178 0.194 0.175 0.186
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
LFM2-8B-A1B
MERA
0.454 0.486 0.294 0.568 0 0.639