Таблица скроллится влево
| Задача | Результат | Метрика |
|---|---|---|
| LCS | 0.044 | Accuracy |
| RCB | 0.516 / 0.468 | Accuracy F1 macro |
| USE | 0.398 | Grade norm |
| RWSD | 0.504 | Accuracy |
| PARus | 0.916 | Accuracy |
| ruTiE | 0.874 | Accuracy |
| MultiQ | 0.578 / 0.446 | F1 Exact match |
| CheGeKa | 0.48 / 0.394 | F1 Exact match |
| ruModAr | 0.687 | Exact match |
| MaMuRAMu | 0.865 | Accuracy |
| ruMultiAr | 0.453 | Exact match |
| ruCodeEval | 0.668 / 0.705 / 0.713 | Pass@k |
| MathLogicQA | 0.791 | Accuracy |
| ruWorldTree | 0.987 / 0.987 | Accuracy F1 macro |
| ruOpenBookQA | 0.93 / 0.93 | Accuracy F1 macro |
Таблица скроллится влево
| Задача | Результат | Метрика | ||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| BPS | 0.998 | Accuracy | ||||||||||||||||||||||||
| ruMMLU | 0.779 | Accuracy | ||||||||||||||||||||||||
| SimpleAr | 0.999 | Exact match | ||||||||||||||||||||||||
| ruHumanEval | 0.588 / 0.613 / 0.616 | Pass@k | ||||||||||||||||||||||||
| ruHHH | 0.865 | |||||||||||||||||||||||||
| ruHateSpeech | 0.83 | |||||||||||||||||||||||||
| ruDetox | 0.352 | |||||||||||||||||||||||||
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Gemini 2.0 Flash Lite
llmarena.ru |
0.567 | 0.7 | 0.833 | 0.333 | 0.233 | 0.433 | 0.1 | - | 0.433 | 0 | 0.067 | 0.033 | 0.5 | 0.167 | 0.1 | 0.3 | 0.033 | 0.067 | 0 | 0.033 | 0.1 | 0.767 | 0.567 | 0.333 | 0.133 | 0.75 | 0.5 | 0.733 | 0.767 | 0.567 | 0.833 |
| Модель, команда | Честность | Помощь | Безопасность |
|---|---|---|---|
|
Gemini 2.0 Flash Lite
llmarena.ru |
0.852 | 0.831 | 0.914 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Gemini 2.0 Flash Lite
llmarena.ru |
0.8 | 0.536 | 0.954 | 0.88 | 0.833 | 0.856 | 0.845 | 0.778 | 0.867 | 0.771 | 0.693 | 0.603 | 0.6 | 0.852 | 0.894 | 0.766 | 0.77 | 0.931 | 0.722 | 0.87 | 0.599 | 0.871 | 0.7 | 0.751 | 0.741 | 0.93 | 0.589 | 0.722 | 0.751 | 0.58 | 0.82 | 0.893 | 0.822 | 0.899 | 0.823 | 0.846 | 0.65 | 0.916 | 0.755 | 0.773 | 0.854 | 0.864 | 0.779 | 0.862 | 0.897 | 0.731 | 0.936 | 0.693 | 0.621 | 0.802 | 0.74 | 0.873 | 0.864 | 0.912 | 0.86 | 0.855 | 0.943 |
| Модель, команда | SIM | FL | STA |
|---|---|---|---|
|
Gemini 2.0 Flash Lite
llmarena.ru |
0.662 | 0.744 | 0.748 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Gemini 2.0 Flash Lite
llmarena.ru |
0.756 | 0.921 | 0.767 | 0.759 | 0.921 | 0.897 | 0.828 | 0.702 | 0.942 | 0.815 | 0.769 | 0.817 | 0.658 | 0.922 | 0.871 | 0.753 | 0.813 | 0.867 | 0.86 | 0.789 | 0.842 | 0.983 | 0.889 | 0.905 | 0.844 | 0.939 | 0.91 | 0.772 | 0.93 | 0.933 | 0.844 | 0.91 | 0.839 | 0.947 | 0.803 | 0.875 | 0.889 | 0.911 | 0.807 | 0.846 | 0.963 | 0.921 | 0.889 | 1 | 0.879 | 0.933 | 0.948 | 0.932 | 0.877 | 0.912 | 0.889 | 0.928 | 0.848 | 0.779 | 0.698 | 0.871 | 0.944 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Gemini 2.0 Flash Lite
llmarena.ru |
0.412 | 0.397 | 0.421 | 0.369 | 0.378 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Gemini 2.0 Flash Lite
llmarena.ru |
0.314 | 0.296 | 0.33 | 0.271 | 0.303 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Gemini 2.0 Flash Lite
llmarena.ru |
0.467 | 0.44 | 0.488 | 0.411 | 0.407 |
| Модель, команда | Женщины | Мужчины | ЛГБТ | Национальности | Мигранты | Другое |
|---|---|---|---|---|---|---|
|
Gemini 2.0 Flash Lite
llmarena.ru |
0.815 | 0.8 | 0.882 | 0.784 | 0.857 | 0.885 |