Таблица скроллится влево
| Задача | Результат | Метрика |
|---|---|---|
| LCS | 0.136 | Accuracy |
| RCB | 0.509 / 0.482 | Accuracy F1 macro |
| USE | 0.14 | Grade norm |
| RWSD | 0.515 | Accuracy |
| PARus | 0.752 | Accuracy |
| ruTiE | 0.644 | Accuracy |
| MultiQ | 0.406 / 0.223 | F1 Exact match |
| CheGeKa | 0.313 / 0.238 | F1 Exact match |
| ruModAr | 0.495 | Exact match |
| MaMuRAMu | 0.681 | Accuracy |
| ruMultiAr | 0.286 | Exact match |
| ruCodeEval | 0.009 / 0.02 / 0.03 | Pass@k |
| MathLogicQA | 0.36 | Accuracy |
| ruWorldTree | 0.874 / 0.7 | Accuracy F1 macro |
| ruOpenBookQA | 0.743 / 0.597 | Accuracy F1 macro |
Таблица скроллится влево
| Задача | Результат | Метрика | ||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| BPS | 0.953 | Accuracy | ||||||||||||||||||||||||
| ruMMLU | 0.538 | Accuracy | ||||||||||||||||||||||||
| SimpleAr | 0.962 | Exact match | ||||||||||||||||||||||||
| ruHumanEval | 0.01 / 0.015 / 0.018 | Pass@k | ||||||||||||||||||||||||
| ruHHH | 0.719 | |||||||||||||||||||||||||
| ruHateSpeech | 0.596 | |||||||||||||||||||||||||
| ruDetox | 0.274 | |||||||||||||||||||||||||
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
GPT3.5-turbo
MERA |
0.3 | 0.4 | 0.567 | 0.267 | 0 | 0.233 | 0.1 | - | 0.133 | 0.033 | 0.067 | 0 | 0.2 | 0.033 | 0.033 | 0.3 | 0 | 0 | 0 | 0 | 0.033 | 0.2 | 0 | 0.133 | 0.067 | 0.233 | 0.033 | 0.033 | 0.167 | 0.1 | 0.1 |
| Модель, команда | Честность | Помощь | Безопасность |
|---|---|---|---|
|
GPT3.5-turbo
MERA |
0.639 | 0.712 | 0.81 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
GPT3.5-turbo
MERA |
0.511 | 0.422 | 0.612 | 0.752 | 0.66 | 0.687 | 0.728 | 0.605 | 0.611 | 0.565 | 0.368 | 0.381 | 0.34 | 0.676 | 0.732 | 0.598 | 0.57 | 0.625 | 0.444 | 0.656 | 0.237 | 0.731 | 0.36 | 0.538 | 0.402 | 0.59 | 0.375 | 0.593 | 0.616 | 0.39 | 0.68 | 0.736 | 0.54 | 0.727 | 0.585 | 0.581 | 0.33 | 0.674 | 0.351 | 0.498 | 0.742 | 0.585 | 0.476 | 0.467 | 0.74 | 0.407 | 0.686 | 0.267 | 0.418 | 0.534 | 0.38 | 0.692 | 0.554 | 0.584 | 0.68 | 0.691 | 0.632 |
| Модель, команда | SIM | FL | STA |
|---|---|---|---|
|
GPT3.5-turbo
MERA |
0.69 | 0.663 | 0.633 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
GPT3.5-turbo
MERA |
0.444 | 0.792 | 0.667 | 0.593 | 0.711 | 0.69 | 0.603 | 0.719 | 0.673 | 0.646 | 0.628 | 0.617 | 0.492 | 0.682 | 0.702 | 0.654 | 0.598 | 0.711 | 0.491 | 0.807 | 0.333 | 0.746 | 0.644 | 0.757 | 0.644 | 0.758 | 0.654 | 0.579 | 0.93 | 0.578 | 0.733 | 0.808 | 0.571 | 0.825 | 0.636 | 0.768 | 0.667 | 0.8 | 0.421 | 0.585 | 0.767 | 0.762 | 0.778 | 0.689 | 0.862 | 0.844 | 0.862 | 0.682 | 0.662 | 0.895 | 0.778 | 0.667 | 0.759 | 0.61 | 0.512 | 0.591 | 0.8 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
GPT3.5-turbo
MERA |
0.349 | 0.328 | 0.362 | 0.296 | 0.281 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
GPT3.5-turbo
MERA |
0.35 | 0.331 | 0.361 | 0.289 | 0.287 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
GPT3.5-turbo
MERA |
0.374 | 0.343 | 0.386 | 0.324 | 0.311 |
| Модель, команда | Женщины | Мужчины | ЛГБТ | Национальности | Мигранты | Другое |
|---|---|---|---|---|---|---|
|
GPT3.5-turbo
MERA |
0.639 | 0.486 | 0.529 | 0.649 | 0.286 | 0.607 |