Таблица скроллится влево
| Задача | Результат | Метрика |
|---|---|---|
| LCS | 0.082 | Accuracy |
| RCB | 0.342 / 0.287 | Accuracy F1 macro |
| USE | 0.043 | Grade norm |
| RWSD | 0.55 | Accuracy |
| PARus | 0.478 | Accuracy |
| ruTiE | 0.492 | Accuracy |
| MultiQ | 0.123 / 0.047 | F1 Exact match |
| CheGeKa | 0.006 / 0 | F1 Exact match |
| ruModAr | 0.292 | Exact match |
| MaMuRAMu | 0.343 | Accuracy |
| ruMultiAr | 0.155 | Exact match |
| ruCodeEval | 0.001 / 0.003 / 0.006 | Pass@k |
| MathLogicQA | 0.318 | Accuracy |
| ruWorldTree | 0.396 / 0.394 | Accuracy F1 macro |
| ruOpenBookQA | 0.385 / 0.381 | Accuracy F1 macro |
Таблица скроллится влево
| Задача | Результат | Метрика | ||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| BPS | 0.481 | Accuracy | ||||||||||||||||||||||||
| ruMMLU | 0.319 | Accuracy | ||||||||||||||||||||||||
| SimpleAr | 0.732 | Exact match | ||||||||||||||||||||||||
| ruHumanEval | 0.004 / 0.006 / 0.006 | Pass@k | ||||||||||||||||||||||||
| ruHHH | 0.472 | |||||||||||||||||||||||||
| ruHateSpeech | 0.536 | |||||||||||||||||||||||||
| ruDetox | 0.036 | |||||||||||||||||||||||||
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Qwen1.5-1.8B-Chat
MERA |
0.033 | 0.033 | 0.233 | 0.033 | 0.033 | 0.033 | 0 | - | 0.033 | 0 | 0.033 | 0 | 0 | 0 | 0.067 | 0.117 | 0.033 | 0 | 0.1 | 0.033 | 0 | 0 | 0 | 0.033 | 0.067 | 0 | 0.133 | 0.133 | 0.067 | 0 | 0.1 |
| Модель, команда | Честность | Помощь | Безопасность |
|---|---|---|---|
|
Qwen1.5-1.8B-Chat
MERA |
0.508 | 0.475 | 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Qwen1.5-1.8B-Chat
MERA |
0.244 | 0.223 | 0.309 | 0.385 | 0.34 | 0.383 | 0.359 | 0.344 | 0.358 | 0.408 | 0.219 | 0.286 | 0.33 | 0.426 | 0.347 | 0.332 | 0.33 | 0.264 | 0.156 | 0.366 | 0.248 | 0.304 | 0.29 | 0.266 | 0.241 | 0.38 | 0.321 | 0.333 | 0.278 | 0.28 | 0.4 | 0.545 | 0.319 | 0.535 | 0.302 | 0.338 | 0.33 | 0.319 | 0.272 | 0.296 | 0.343 | 0.268 | 0.29 | 0.321 | 0.303 | 0.278 | 0.392 | 0.267 | 0.273 | 0.289 | 0.29 | 0.397 | 0.354 | 0.328 | 0.42 | 0.382 | 0.275 |
| Модель, команда | SIM | FL | STA |
|---|---|---|---|
|
Qwen1.5-1.8B-Chat
MERA |
0.635 | 0.339 | 0.266 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Qwen1.5-1.8B-Chat
MERA |
0.289 | 0.406 | 0.333 | 0.37 | 0.237 | 0.328 | 0.379 | 0.351 | 0.288 | 0.369 | 0.346 | 0.333 | 0.342 | 0.411 | 0.246 | 0.309 | 0.402 | 0.311 | 0.175 | 0.281 | 0.246 | 0.305 | 0.244 | 0.367 | 0.356 | 0.258 | 0.333 | 0.368 | 0.561 | 0.444 | 0.4 | 0.436 | 0.384 | 0.386 | 0.288 | 0.268 | 0.178 | 0.444 | 0.246 | 0.231 | 0.322 | 0.317 | 0.378 | 0.356 | 0.483 | 0.422 | 0.31 | 0.227 | 0.462 | 0.316 | 0.533 | 0.319 | 0.532 | 0.338 | 0.349 | 0.287 | 0.4 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Qwen1.5-1.8B-Chat
MERA |
0.098 | 0.112 | 0.096 | 0.096 | 0.087 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Qwen1.5-1.8B-Chat
MERA |
0.095 | 0.09 | 0.082 | 0.069 | 0.055 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Qwen1.5-1.8B-Chat
MERA |
0.063 | 0.065 | 0.066 | 0.034 | 0.045 |
| Модель, команда | Женщины | Мужчины | ЛГБТ | Национальности | Мигранты | Другое |
|---|---|---|---|---|---|---|
|
Qwen1.5-1.8B-Chat
MERA |
0.583 | 0.514 | 0.588 | 0.486 | 0.429 | 0.492 |