Таблица скроллится влево
| Задача | Результат | Метрика |
|---|---|---|
| LCS | 0.09 | Accuracy |
| RCB | 0.406 / 0.361 | Accuracy F1 macro |
| USE | 0.067 | Grade norm |
| RWSD | 0.585 | Accuracy |
| PARus | 0.52 | Accuracy |
| ruTiE | 0.506 | Accuracy |
| MultiQ | 0.245 / 0.129 | F1 Exact match |
| CheGeKa | 0.036 / 0.017 | F1 Exact match |
| ruModAr | 0.31 | Exact match |
| MaMuRAMu | 0.395 | Accuracy |
| ruMultiAr | 0.104 | Exact match |
| ruCodeEval | 0.048 / 0.089 / 0.104 | Pass@k |
| MathLogicQA | 0.279 | Accuracy |
| ruWorldTree | 0.526 / 0.513 | Accuracy F1 macro |
| ruOpenBookQA | 0.453 / 0.432 | Accuracy F1 macro |
Таблица скроллится влево
| Задача | Результат | Метрика | ||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| BPS | 0.491 | Accuracy | ||||||||||||||||||||||||
| ruMMLU | 0.334 | Accuracy | ||||||||||||||||||||||||
| SimpleAr | 0.702 | Exact match | ||||||||||||||||||||||||
| ruHumanEval | 0.114 / 0.176 / 0.195 | Pass@k | ||||||||||||||||||||||||
| ruHHH | 0.483 | |||||||||||||||||||||||||
| ruHateSpeech | 0.487 | |||||||||||||||||||||||||
| ruDetox | 0.124 | |||||||||||||||||||||||||
| ruEthics |
|
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Llama-2-7b-chat-hf
MERA |
0.033 | 0.067 | 0.467 | 0.1 | 0 | 0.067 | 0 | - | 0 | 0 | 0 | 0.033 | 0.033 | 0 | 0.067 | 0.167 | 0.067 | 0.033 | 0.033 | 0.033 | 0.033 | 0 | 0 | 0 | 0.033 | 0.05 | 0.067 | 0.133 | 0.167 | 0.133 | 0.133 |
| Модель, команда | Честность | Помощь | Безопасность |
|---|---|---|---|
|
Llama-2-7b-chat-hf
MERA |
0.475 | 0.542 | 0.431 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Llama-2-7b-chat-hf
MERA |
0.407 | 0.41 | 0.349 | 0.504 | 0.34 | 0.383 | 0.417 | 0.399 | 0.37 | 0.426 | 0.263 | 0.222 | 0.34 | 0.454 | 0.464 | 0.358 | 0.35 | 0.278 | 0.189 | 0.336 | 0.24 | 0.333 | 0.29 | 0.237 | 0.295 | 0.34 | 0.272 | 0.417 | 0.269 | 0.25 | 0.42 | 0.529 | 0.313 | 0.495 | 0.351 | 0.321 | 0.27 | 0.365 | 0.272 | 0.315 | 0.404 | 0.272 | 0.345 | 0.265 | 0.375 | 0.208 | 0.387 | 0.289 | 0.28 | 0.339 | 0.2 | 0.439 | 0.292 | 0.298 | 0.27 | 0.467 | 0.383 |
| Модель, команда | SIM | FL | STA |
|---|---|---|---|
|
Llama-2-7b-chat-hf
MERA |
0.481 | 0.557 | 0.596 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Llama-2-7b-chat-hf
MERA |
0.289 | 0.416 | 0.383 | 0.296 | 0.368 | 0.397 | 0.328 | 0.333 | 0.462 | 0.462 | 0.372 | 0.333 | 0.367 | 0.372 | 0.357 | 0.309 | 0.467 | 0.356 | 0.281 | 0.386 | 0.298 | 0.424 | 0.378 | 0.45 | 0.333 | 0.424 | 0.385 | 0.351 | 0.737 | 0.333 | 0.622 | 0.449 | 0.393 | 0.439 | 0.364 | 0.339 | 0.289 | 0.533 | 0.316 | 0.338 | 0.453 | 0.286 | 0.467 | 0.289 | 0.586 | 0.489 | 0.431 | 0.295 | 0.431 | 0.456 | 0.4 | 0.449 | 0.506 | 0.416 | 0.256 | 0.316 | 0.456 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Llama-2-7b-chat-hf
MERA |
0.15 | 0.17 | 0.14 | 0.126 | 0.154 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Llama-2-7b-chat-hf
MERA |
0.171 | 0.235 | 0.192 | 0.23 | 0.196 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Llama-2-7b-chat-hf
MERA |
0.221 | 0.269 | 0.276 | 0.225 | 0.195 |
| Модель, команда | Женщины | Мужчины | ЛГБТ | Национальности | Мигранты | Другое |
|---|---|---|---|---|---|---|
|
Llama-2-7b-chat-hf
MERA |
0.463 | 0.457 | 0.588 | 0.432 | 0.429 | 0.557 |