Таблица скроллится влево
| Задача | Результат | Метрика |
|---|---|---|
| LCS | 0.04 | Accuracy |
| RCB | 0.484 / 0.485 | Accuracy F1 macro |
| USE | 0.078 | Grade norm |
| RWSD | 0.585 | Accuracy |
| PARus | 0.648 | Accuracy |
| ruTiE | 0.61 | Accuracy |
| MultiQ | 0.287 / 0.147 | F1 Exact match |
| CheGeKa | 0.038 / 0.019 | F1 Exact match |
| ruModAr | 0.383 | Exact match |
| MaMuRAMu | 0.508 | Accuracy |
| ruMultiAr | 0.209 | Exact match |
| ruCodeEval | 0.002 / 0.008 / 0.012 | Pass@k |
| MathLogicQA | 0.359 | Accuracy |
| ruWorldTree | 0.745 / 0.748 | Accuracy F1 macro |
| ruOpenBookQA | 0.635 / 0.637 | Accuracy F1 macro |
Таблица скроллится влево
| Задача | Результат | Метрика | ||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| BPS | 0.81 | Accuracy | ||||||||||||||||||||||||
| ruMMLU | 0.445 | Accuracy | ||||||||||||||||||||||||
| SimpleAr | 0.925 | Exact match | ||||||||||||||||||||||||
| ruHumanEval | 0.001 / 0.003 / 0.006 | Pass@k | ||||||||||||||||||||||||
| ruHHH | 0.629 | |||||||||||||||||||||||||
| ruHateSpeech | 0.626 | |||||||||||||||||||||||||
| ruDetox | 0.094 | |||||||||||||||||||||||||
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Qwen1.5-7B-Chat
MERA |
0.133 | 0.167 | 0.367 | 0.1 | 0 | 0.133 | 0 | - | 0 | 0 | 0 | 0 | 0 | 0 | 0.133 | 0.233 | 0.033 | 0.033 | 0 | 0 | 0 | 0.033 | 0 | 0.033 | 0 | 0.158 | 0.133 | 0.033 | 0.067 | 0.033 | 0.133 |
| Модель, команда | Честность | Помощь | Безопасность |
|---|---|---|---|
|
Qwen1.5-7B-Chat
MERA |
0.59 | 0.593 | 0.707 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Qwen1.5-7B-Chat
MERA |
0.393 | 0.386 | 0.487 | 0.645 | 0.493 | 0.622 | 0.553 | 0.518 | 0.444 | 0.448 | 0.281 | 0.365 | 0.29 | 0.481 | 0.498 | 0.486 | 0.52 | 0.41 | 0.256 | 0.565 | 0.237 | 0.45 | 0.3 | 0.422 | 0.295 | 0.43 | 0.351 | 0.519 | 0.616 | 0.4 | 0.52 | 0.62 | 0.417 | 0.646 | 0.483 | 0.406 | 0.34 | 0.545 | 0.331 | 0.443 | 0.566 | 0.441 | 0.407 | 0.398 | 0.564 | 0.412 | 0.588 | 0.322 | 0.358 | 0.425 | 0.44 | 0.654 | 0.426 | 0.479 | 0.58 | 0.642 | 0.554 |
| Модель, команда | SIM | FL | STA |
|---|---|---|---|
|
Qwen1.5-7B-Chat
MERA |
0.248 | 0.498 | 0.808 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Qwen1.5-7B-Chat
MERA |
0.378 | 0.485 | 0.433 | 0.491 | 0.395 | 0.603 | 0.448 | 0.544 | 0.404 | 0.508 | 0.564 | 0.508 | 0.325 | 0.527 | 0.415 | 0.333 | 0.617 | 0.467 | 0.404 | 0.579 | 0.316 | 0.576 | 0.511 | 0.503 | 0.578 | 0.515 | 0.513 | 0.421 | 0.719 | 0.556 | 0.711 | 0.551 | 0.482 | 0.579 | 0.424 | 0.429 | 0.444 | 0.756 | 0.439 | 0.462 | 0.555 | 0.444 | 0.6 | 0.489 | 0.776 | 0.689 | 0.586 | 0.545 | 0.631 | 0.632 | 0.622 | 0.333 | 0.633 | 0.584 | 0.465 | 0.409 | 0.578 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Qwen1.5-7B-Chat
MERA |
0.188 | 0.188 | 0.216 | 0.127 | 0.143 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Qwen1.5-7B-Chat
MERA |
0.189 | 0.186 | 0.184 | 0.153 | 0.167 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Qwen1.5-7B-Chat
MERA |
0.251 | 0.244 | 0.261 | 0.204 | 0.203 |
| Модель, команда | Женщины | Мужчины | ЛГБТ | Национальности | Мигранты | Другое |
|---|---|---|---|---|---|---|
|
Qwen1.5-7B-Chat
MERA |
0.704 | 0.6 | 0.353 | 0.676 | 0.286 | 0.59 |