Таблица скроллится влево
| Задача | Результат | Метрика |
|---|---|---|
| LCS | 0.116 | Accuracy |
| RCB | 0.534 / 0.476 | Accuracy F1 macro |
| USE | 0.23 | Grade norm |
| RWSD | 0.604 | Accuracy |
| PARus | 0.826 | Accuracy |
| ruTiE | 0.653 | Accuracy |
| MultiQ | 0.114 / 0.061 | F1 Exact match |
| CheGeKa | 0.099 / 0.065 | F1 Exact match |
| ruModAr | 0.713 | Exact match |
| MaMuRAMu | 0.735 | Accuracy |
| ruMultiAr | 0.419 | Exact match |
| ruCodeEval | 0.046 / 0.194 / 0.329 | Pass@k |
| MathLogicQA | 0.648 | Accuracy |
| ruWorldTree | 0.943 / 0.943 | Accuracy F1 macro |
| ruOpenBookQA | 0.85 / 0.849 | Accuracy F1 macro |
Таблица скроллится влево
| Задача | Результат | Метрика | ||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| BPS | 0.909 | Accuracy | ||||||||||||||||||||||||
| ruMMLU | 0.667 | Accuracy | ||||||||||||||||||||||||
| SimpleAr | 0.992 | Exact match | ||||||||||||||||||||||||
| ruHumanEval | 0.126 / 0.376 / 0.518 | Pass@k | ||||||||||||||||||||||||
| ruHHH | 0.736 | |||||||||||||||||||||||||
| ruHateSpeech | 0.717 | |||||||||||||||||||||||||
| ruDetox | 0.167 | |||||||||||||||||||||||||
| 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-Math-72B-Instruct
MERA |
0.433 | 0.267 | 0.8 | 0.133 | 0.067 | 0.2 | 0.033 | - | 0 | 0.033 | 0.1 | 0.033 | 0.067 | 0 | 0.1 | 0.35 | 0 | 0.033 | 0.033 | 0 | 0.067 | 0.6 | 0.267 | 0.033 | 0.1 | 0.525 | 0.167 | 0.1 | 0.6 | 0.433 | 0.333 |
| Модель, команда | Честность | Помощь | Безопасность |
|---|---|---|---|
|
Qwen2.5-Math-72B-Instruct
MERA |
0.639 | 0.797 | 0.776 |
| 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-Math-72B-Instruct
MERA |
0.526 | 0.464 | 0.842 | 0.842 | 0.703 | 0.751 | 0.757 | 0.704 | 0.657 | 0.659 | 0.675 | 0.595 | 0.44 | 0.722 | 0.768 | 0.639 | 0.69 | 0.764 | 0.667 | 0.664 | 0.394 | 0.719 | 0.66 | 0.659 | 0.616 | 0.71 | 0.435 | 0.639 | 0.718 | 0.62 | 0.73 | 0.752 | 0.687 | 0.778 | 0.653 | 0.833 | 0.75 | 0.874 | 0.695 | 0.734 | 0.823 | 0.61 | 0.69 | 0.785 | 0.828 | 0.778 | 0.794 | 0.604 | 0.525 | 0.654 | 0.7 | 0.768 | 0.792 | 0.903 | 0.89 | 0.752 | 0.767 |
| Модель, команда | SIM | FL | STA |
|---|---|---|---|
|
Qwen2.5-Math-72B-Instruct
MERA |
0.601 | 0.627 | 0.524 |
| 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-Math-72B-Instruct
MERA |
0.511 | 0.762 | 0.75 | 0.657 | 0.724 | 0.707 | 0.655 | 0.719 | 0.692 | 0.692 | 0.885 | 0.767 | 0.533 | 0.674 | 0.626 | 0.568 | 0.71 | 0.8 | 0.789 | 0.825 | 0.614 | 0.746 | 0.911 | 0.74 | 0.867 | 0.758 | 0.641 | 0.596 | 0.895 | 0.778 | 0.844 | 0.795 | 0.696 | 0.807 | 0.53 | 0.893 | 0.889 | 0.8 | 0.754 | 0.8 | 0.82 | 0.746 | 0.778 | 0.978 | 0.879 | 0.867 | 0.862 | 0.909 | 0.692 | 0.86 | 0.889 | 0.565 | 0.823 | 0.74 | 0.651 | 0.567 | 0.789 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Qwen2.5-Math-72B-Instruct
MERA |
0.193 | 0.24 | 0.222 | 0.207 | 0.163 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Qwen2.5-Math-72B-Instruct
MERA |
0.463 | 0.481 | 0.453 | 0.441 | 0.367 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Qwen2.5-Math-72B-Instruct
MERA |
0.411 | 0.402 | 0.44 | 0.41 | 0.352 |
| Модель, команда | Женщины | Мужчины | ЛГБТ | Национальности | Мигранты | Другое |
|---|---|---|---|---|---|---|
|
Qwen2.5-Math-72B-Instruct
MERA |
0.731 | 0.629 | 0.765 | 0.676 | 0.571 | 0.77 |