Таблица скроллится влево
| Задача | Результат | Метрика |
|---|---|---|
| LCS | 0.16 | Accuracy |
| RCB | 0.511 / 0.459 | Accuracy F1 macro |
| USE | 0.219 | Grade norm |
| RWSD | 0.615 | Accuracy |
| PARus | 0.886 | Accuracy |
| ruTiE | 0.74 | Accuracy |
| MultiQ | 0.431 / 0.264 | F1 Exact match |
| CheGeKa | 0.125 / 0.077 | F1 Exact match |
| ruModAr | 0.472 | Exact match |
| MaMuRAMu | 0.714 | Accuracy |
| ruMultiAr | 0.364 | Exact match |
| ruCodeEval | 0 / 0 / 0 | Pass@k |
| MathLogicQA | 0.474 | Accuracy |
| ruWorldTree | 0.937 / 0.937 | Accuracy F1 macro |
| ruOpenBookQA | 0.848 / 0.848 | Accuracy F1 macro |
Таблица скроллится влево
| Задача | Результат | Метрика | ||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| BPS | 0.863 | Accuracy | ||||||||||||||||||||||||
| ruMMLU | 0.627 | Accuracy | ||||||||||||||||||||||||
| SimpleAr | 0.99 | Exact match | ||||||||||||||||||||||||
| ruHumanEval | 0.006 / 0.006 / 0.006 | Pass@k | ||||||||||||||||||||||||
| ruHHH | 0.837 | |||||||||||||||||||||||||
| ruHateSpeech | 0.8 | |||||||||||||||||||||||||
| ruDetox | 0.144 | |||||||||||||||||||||||||
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Qwen1.5-32B-Chat
MERA |
0.4 | 0.333 | 0.8 | 0.2 | 0 | 0.133 | 0 | - | 0 | 0 | 0 | 0 | 0.033 | 0 | 0.067 | 0.233 | 0 | 0 | 0 | 0.067 | 0 | 0.767 | 0.4 | 0.1 | 0.133 | 0.475 | 0.067 | 0.1 | 0.467 | 0.5 | 0.5 |
| Модель, команда | Честность | Помощь | Безопасность |
|---|---|---|---|
|
Qwen1.5-32B-Chat
MERA |
0.787 | 0.864 | 0.862 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Qwen1.5-32B-Chat
MERA |
0.496 | 0.506 | 0.743 | 0.795 | 0.68 | 0.796 | 0.757 | 0.74 | 0.654 | 0.664 | 0.535 | 0.556 | 0.44 | 0.722 | 0.775 | 0.65 | 0.68 | 0.646 | 0.433 | 0.71 | 0.431 | 0.702 | 0.47 | 0.601 | 0.446 | 0.63 | 0.463 | 0.583 | 0.714 | 0.5 | 0.71 | 0.793 | 0.681 | 0.859 | 0.657 | 0.632 | 0.42 | 0.81 | 0.523 | 0.537 | 0.818 | 0.614 | 0.572 | 0.594 | 0.792 | 0.583 | 0.824 | 0.404 | 0.454 | 0.613 | 0.52 | 0.772 | 0.679 | 0.668 | 0.79 | 0.806 | 0.808 |
| Модель, команда | SIM | FL | STA |
|---|---|---|---|
|
Qwen1.5-32B-Chat
MERA |
0.329 | 0.606 | 0.76 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Qwen1.5-32B-Chat
MERA |
0.511 | 0.752 | 0.6 | 0.565 | 0.711 | 0.793 | 0.69 | 0.667 | 0.692 | 0.692 | 0.679 | 0.642 | 0.525 | 0.705 | 0.696 | 0.654 | 0.701 | 0.778 | 0.561 | 0.825 | 0.825 | 0.864 | 0.711 | 0.663 | 0.844 | 0.788 | 0.692 | 0.649 | 0.93 | 0.756 | 0.844 | 0.846 | 0.679 | 0.842 | 0.53 | 0.679 | 0.689 | 0.733 | 0.561 | 0.615 | 0.829 | 0.81 | 0.733 | 0.778 | 0.879 | 0.844 | 0.879 | 0.841 | 0.646 | 0.895 | 0.844 | 0.71 | 0.797 | 0.636 | 0.535 | 0.591 | 0.778 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Qwen1.5-32B-Chat
MERA |
0.399 | 0.375 | 0.443 | 0.32 | 0.327 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Qwen1.5-32B-Chat
MERA |
0.414 | 0.38 | 0.438 | 0.335 | 0.345 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Qwen1.5-32B-Chat
MERA |
0.495 | 0.467 | 0.534 | 0.444 | 0.419 |
| Модель, команда | Женщины | Мужчины | ЛГБТ | Национальности | Мигранты | Другое |
|---|---|---|---|---|---|---|
|
Qwen1.5-32B-Chat
MERA |
0.843 | 0.686 | 0.765 | 0.784 | 0.571 | 0.836 |