Таблица скроллится влево
| Задача | Результат | Метрика |
|---|---|---|
| LCS | 0.108 | Accuracy |
| RCB | 0.454 / 0.39 | Accuracy F1 macro |
| USE | 0.071 | Grade norm |
| RWSD | 0.496 | Accuracy |
| PARus | 0.53 | Accuracy |
| ruTiE | 0.526 | Accuracy |
| MultiQ | 0.03 / 0.011 | F1 Exact match |
| CheGeKa | 0.003 / 0 | F1 Exact match |
| ruModAr | 0.509 | Exact match |
| MaMuRAMu | 0.445 | Accuracy |
| ruMultiAr | 0.323 | Exact match |
| ruCodeEval | 0.049 / 0.168 / 0.25 | Pass@k |
| MathLogicQA | 0.477 | Accuracy |
| ruWorldTree | 0.623 / 0.623 | Accuracy F1 macro |
| ruOpenBookQA | 0.523 / 0.521 | Accuracy F1 macro |
Таблица скроллится влево
| Задача | Результат | Метрика | ||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| BPS | 0.66 | Accuracy | ||||||||||||||||||||||||
| ruMMLU | 0.4 | Accuracy | ||||||||||||||||||||||||
| SimpleAr | 0.981 | Exact match | ||||||||||||||||||||||||
| ruHumanEval | 0.065 / 0.202 / 0.28 | Pass@k | ||||||||||||||||||||||||
| ruHHH | 0.483 | |||||||||||||||||||||||||
| ruHateSpeech | 0.449 | |||||||||||||||||||||||||
| ruDetox | 0.057 | |||||||||||||||||||||||||
| 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-7B-Instruct
MERA |
0.2 | 0 | 0.367 | 0.033 | 0 | 0 | 0 | - | 0 | 0.033 | 0.1 | 0.1 | 0 | 0 | 0.1 | 0.183 | 0 | 0 | 0.1 | 0 | 0.033 | 0 | 0 | 0 | 0.067 | 0.1 | 0.067 | 0.133 | 0.133 | 0.033 | 0.133 |
| Модель, команда | Честность | Помощь | Безопасность |
|---|---|---|---|
|
Qwen2.5-Math-7B-Instruct
MERA |
0.361 | 0.593 | 0.5 |
| 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-7B-Instruct
MERA |
0.274 | 0.367 | 0.48 | 0.526 | 0.382 | 0.423 | 0.515 | 0.447 | 0.324 | 0.386 | 0.412 | 0.397 | 0.31 | 0.417 | 0.436 | 0.448 | 0.35 | 0.306 | 0.4 | 0.305 | 0.241 | 0.304 | 0.47 | 0.364 | 0.384 | 0.33 | 0.315 | 0.417 | 0.453 | 0.37 | 0.51 | 0.645 | 0.442 | 0.505 | 0.396 | 0.5 | 0.52 | 0.49 | 0.49 | 0.488 | 0.46 | 0.261 | 0.469 | 0.607 | 0.414 | 0.569 | 0.289 | 0.511 | 0.301 | 0.37 | 0.47 | 0.409 | 0.403 | 0.492 | 0.65 | 0.43 | 0.316 |
| Модель, команда | SIM | FL | STA |
|---|---|---|---|
|
Qwen2.5-Math-7B-Instruct
MERA |
0.334 | 0.291 | 0.657 |
| 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-7B-Instruct
MERA |
0.289 | 0.386 | 0.417 | 0.389 | 0.316 | 0.414 | 0.534 | 0.368 | 0.327 | 0.492 | 0.705 | 0.517 | 0.342 | 0.411 | 0.374 | 0.222 | 0.477 | 0.4 | 0.421 | 0.544 | 0.281 | 0.237 | 0.844 | 0.408 | 0.6 | 0.258 | 0.436 | 0.386 | 0.667 | 0.556 | 0.667 | 0.308 | 0.348 | 0.298 | 0.394 | 0.679 | 0.8 | 0.489 | 0.579 | 0.446 | 0.359 | 0.333 | 0.422 | 0.822 | 0.707 | 0.867 | 0.414 | 0.864 | 0.477 | 0.561 | 0.578 | 0.377 | 0.557 | 0.481 | 0.372 | 0.275 | 0.489 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Qwen2.5-Math-7B-Instruct
MERA |
0.121 | 0.146 | 0.125 | 0.102 | 0.115 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Qwen2.5-Math-7B-Instruct
MERA |
0.101 | 0.128 | 0.103 | 0.099 | 0.108 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Qwen2.5-Math-7B-Instruct
MERA |
0.138 | 0.15 | 0.166 | 0.102 | 0.099 |
| Модель, команда | Женщины | Мужчины | ЛГБТ | Национальности | Мигранты | Другое |
|---|---|---|---|---|---|---|
|
Qwen2.5-Math-7B-Instruct
MERA |
0.454 | 0.343 | 0.471 | 0.432 | 0.571 | 0.492 |