Таблица скроллится влево
| Задача | Результат | Метрика |
|---|---|---|
| LCS | 0.088 | Accuracy |
| RCB | 0.393 / 0.351 | Accuracy F1 macro |
| USE | 0.06 | Grade norm |
| RWSD | 0.523 | Accuracy |
| PARus | 0.528 | Accuracy |
| ruTiE | 0.563 | Accuracy |
| MultiQ | 0.266 / 0.18 | F1 Exact match |
| CheGeKa | 0.013 / 0 | F1 Exact match |
| ruModAr | 0.194 | Exact match |
| MaMuRAMu | 0.432 | Accuracy |
| ruMultiAr | 0.215 | Exact match |
| ruCodeEval | 0 / 0 / 0 | Pass@k |
| MathLogicQA | 0.365 | Accuracy |
| ruWorldTree | 0.596 / 0.596 | Accuracy F1 macro |
| ruOpenBookQA | 0.548 / 0.546 | Accuracy F1 macro |
Таблица скроллится влево
| Задача | Результат | Метрика | ||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| BPS | 0.549 | Accuracy | ||||||||||||||||||||||||
| ruMMLU | 0.4 | Accuracy | ||||||||||||||||||||||||
| SimpleAr | 0.92 | Exact match | ||||||||||||||||||||||||
| ruHumanEval | 0 / 0 / 0 | Pass@k | ||||||||||||||||||||||||
| ruHHH | 0.483 | |||||||||||||||||||||||||
| ruHateSpeech | 0.525 | |||||||||||||||||||||||||
| ruDetox | 0.055 | |||||||||||||||||||||||||
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Qwen1.5-4B-Chat
MERA |
0.033 | 0.067 | 0.267 | 0.133 | 0 | 0.1 | 0 | - | 0 | 0 | 0 | 0 | 0 | 0 | 0.1 | 0.167 | 0.033 | 0.033 | 0 | 0.033 | 0 | 0 | 0.033 | 0 | 0.1 | 0.042 | 0.133 | 0.133 | 0.1 | 0.1 | 0.133 |
| Модель, команда | Честность | Помощь | Безопасность |
|---|---|---|---|
|
Qwen1.5-4B-Chat
MERA |
0.443 | 0.525 | 0.483 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Qwen1.5-4B-Chat
MERA |
0.341 | 0.331 | 0.48 | 0.581 | 0.415 | 0.567 | 0.485 | 0.479 | 0.355 | 0.399 | 0.263 | 0.413 | 0.29 | 0.537 | 0.421 | 0.439 | 0.45 | 0.319 | 0.356 | 0.435 | 0.25 | 0.374 | 0.25 | 0.41 | 0.304 | 0.36 | 0.334 | 0.472 | 0.588 | 0.37 | 0.41 | 0.628 | 0.46 | 0.515 | 0.4 | 0.389 | 0.35 | 0.458 | 0.351 | 0.404 | 0.449 | 0.349 | 0.4 | 0.395 | 0.444 | 0.44 | 0.436 | 0.319 | 0.372 | 0.377 | 0.43 | 0.527 | 0.41 | 0.433 | 0.45 | 0.473 | 0.425 |
| Модель, команда | SIM | FL | STA |
|---|---|---|---|
|
Qwen1.5-4B-Chat
MERA |
0.845 | 0.502 | 0.156 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Qwen1.5-4B-Chat
MERA |
0.311 | 0.426 | 0.317 | 0.463 | 0.382 | 0.466 | 0.362 | 0.351 | 0.385 | 0.431 | 0.603 | 0.367 | 0.333 | 0.426 | 0.363 | 0.333 | 0.561 | 0.289 | 0.211 | 0.491 | 0.211 | 0.492 | 0.378 | 0.385 | 0.622 | 0.53 | 0.449 | 0.386 | 0.702 | 0.333 | 0.689 | 0.449 | 0.339 | 0.491 | 0.47 | 0.304 | 0.4 | 0.6 | 0.368 | 0.354 | 0.424 | 0.349 | 0.6 | 0.444 | 0.793 | 0.622 | 0.414 | 0.341 | 0.646 | 0.632 | 0.622 | 0.304 | 0.519 | 0.558 | 0.302 | 0.298 | 0.544 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Qwen1.5-4B-Chat
MERA |
0.094 | 0.068 | 0.104 | 0.038 | 0.068 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Qwen1.5-4B-Chat
MERA |
0.226 | 0.218 | 0.222 | 0.206 | 0.154 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Qwen1.5-4B-Chat
MERA |
0.09 | 0.113 | 0.107 | 0.067 | 0.095 |
| Модель, команда | Женщины | Мужчины | ЛГБТ | Национальности | Мигранты | Другое |
|---|---|---|---|---|---|---|
|
Qwen1.5-4B-Chat
MERA |
0.556 | 0.457 | 0.529 | 0.568 | 0.571 | 0.475 |