Таблица скроллится влево
| Задача | Результат | Метрика |
|---|---|---|
| LCS | 0.148 | Accuracy |
| RCB | 0.562 / 0.526 | Accuracy F1 macro |
| USE | 0.294 | Grade norm |
| RWSD | 0.696 | Accuracy |
| PARus | 0.95 | Accuracy |
| ruTiE | 0.878 | Accuracy |
| MultiQ | 0.509 / 0.363 | F1 Exact match |
| CheGeKa | 0.313 / 0.243 | F1 Exact match |
| ruModAr | 0.854 | Exact match |
| MaMuRAMu | 0.847 | Accuracy |
| ruMultiAr | 0.416 | Exact match |
| ruCodeEval | 0.21 / 0.427 / 0.494 | Pass@k |
| MathLogicQA | 0.69 | Accuracy |
| ruWorldTree | 0.989 / 0.989 | Accuracy F1 macro |
| ruOpenBookQA | 0.945 / 0.945 | Accuracy F1 macro |
Таблица скроллится влево
| Задача | Результат | Метрика | ||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| BPS | 0.994 | Accuracy | ||||||||||||||||||||||||
| ruMMLU | 0.774 | Accuracy | ||||||||||||||||||||||||
| SimpleAr | 0.995 | Exact match | ||||||||||||||||||||||||
| ruHumanEval | 0.312 / 0.545 / 0.622 | Pass@k | ||||||||||||||||||||||||
| ruHHH | 0.871 | |||||||||||||||||||||||||
| ruHateSpeech | 0.853 | |||||||||||||||||||||||||
| ruDetox | 0.371 | |||||||||||||||||||||||||
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Qwen2.5-72B-Instruct
MERA |
0.333 | 0.667 | 0.5 | 0.167 | 0.1 | 0.433 | 0.167 | - | 0.1 | 0.067 | 0.033 | 0 | 0.333 | 0.1 | 0.1 | 0.333 | 0.1 | 0 | 0 | 0 | 0.1 | 0.633 | 0.333 | 0.3 | 0.067 | 0.625 | 0.367 | 0.233 | 0.533 | 0.467 | 0.6 |
| Модель, команда | Честность | Помощь | Безопасность |
|---|---|---|---|
|
Qwen2.5-72B-Instruct
MERA |
0.852 | 0.898 | 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Qwen2.5-72B-Instruct
MERA |
0.733 | 0.566 | 0.888 | 0.902 | 0.859 | 0.861 | 0.816 | 0.788 | 0.883 | 0.749 | 0.64 | 0.627 | 0.61 | 0.769 | 0.879 | 0.795 | 0.81 | 0.931 | 0.667 | 0.84 | 0.621 | 0.883 | 0.65 | 0.757 | 0.714 | 0.91 | 0.576 | 0.694 | 0.771 | 0.62 | 0.81 | 0.851 | 0.773 | 0.919 | 0.823 | 0.855 | 0.64 | 0.923 | 0.695 | 0.744 | 0.894 | 0.86 | 0.71 | 0.836 | 0.912 | 0.75 | 0.926 | 0.644 | 0.589 | 0.789 | 0.77 | 0.886 | 0.859 | 0.912 | 0.93 | 0.867 | 0.896 |
| Модель, команда | SIM | FL | STA |
|---|---|---|---|
|
Qwen2.5-72B-Instruct
MERA |
0.731 | 0.704 | 0.743 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Qwen2.5-72B-Instruct
MERA |
0.756 | 0.911 | 0.767 | 0.75 | 0.868 | 0.862 | 0.759 | 0.772 | 0.846 | 0.815 | 0.833 | 0.8 | 0.658 | 0.884 | 0.848 | 0.802 | 0.785 | 0.778 | 0.825 | 0.842 | 0.895 | 0.932 | 0.867 | 0.858 | 0.867 | 0.894 | 0.872 | 0.719 | 0.947 | 0.867 | 0.844 | 0.897 | 0.875 | 0.912 | 0.773 | 0.875 | 0.911 | 0.844 | 0.754 | 0.815 | 0.902 | 0.873 | 0.822 | 1 | 0.879 | 0.911 | 0.948 | 0.955 | 0.892 | 0.947 | 0.867 | 0.928 | 0.848 | 0.792 | 0.581 | 0.854 | 0.922 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Qwen2.5-72B-Instruct
MERA |
0.47 | 0.462 | 0.504 | 0.407 | 0.397 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Qwen2.5-72B-Instruct
MERA |
0.429 | 0.416 | 0.459 | 0.378 | 0.375 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Qwen2.5-72B-Instruct
MERA |
0.515 | 0.485 | 0.548 | 0.466 | 0.428 |
| Модель, команда | Женщины | Мужчины | ЛГБТ | Национальности | Мигранты | Другое |
|---|---|---|---|---|---|---|
|
Qwen2.5-72B-Instruct
MERA |
0.852 | 0.743 | 0.824 | 0.892 | 0.571 | 0.934 |