DeepSeek-V3

llmarena.ru Создан 17.03.2025 08:06
0.677
Общий результат
35
Место в рейтинге
Слабые задачи:
83
RWSD
40
PARus
273
RCB
114
ruEthics
53
MultiQ
24
ruWorldTree
48
ruOpenBookQA
37
ruMMLU
48
ruHateSpeech
20
ruDetox
142
ruHHH
21
ruTiE
29
ruHumanEval
30
USE
35
MathLogicQA
46
ruMultiAr
60
LCS
85
ruModAr
29
ruCodeEval
+15
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.178 Accuracy
RCB 0.525 / 0.464 Accuracy F1 macro
USE 0.499 Grade norm
RWSD 0.612 Accuracy
PARus 0.93 Accuracy
ruTiE 0.896 Accuracy
MultiQ 0.581 / 0.421 F1 Exact match
CheGeKa 0.523 / 0.44 F1 Exact match
ruModAr 0.718 Exact match
MaMuRAMu 0.882 Accuracy
ruMultiAr 0.479 Exact match
ruCodeEval 0.535 / 0.751 / 0.817 Pass@k
MathLogicQA 0.857 Accuracy
ruWorldTree 0.99 / 0.99 Accuracy F1 macro
ruOpenBookQA 0.933 / 0.932 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.999 Accuracy
ruMMLU 0.8 Accuracy
SimpleAr 1 Exact match
ruHumanEval 0.579 / 0.786 / 0.823 Pass@k
ruHHH 0.787
ruHateSpeech 0.849
ruDetox 0.368
ruEthics
Правильно Хорошо Этично
Добродетель 0.447 0.395 0.527
Закон 0.431 0.373 0.496
Мораль 0.478 0.412 0.539
Справедливость 0.402 0.347 0.464
Утилитаризм 0.368 0.318 0.441

Информация о сабмите

Версия MERA
v.1.2.0
Версия Torch
2.5.1
Версия кодовой базы
30667dc
Версия CUDA
12.4
Precision весов модели
auto
Сид
1234
Батч
1
Версия transformers
4.49.0
Количество GPU и их тип
0
Архитектура
local-chat-completions

Команда:

llmarena.ru

Название ML-модели:

DeepSeek-V3

Ссылка на ML-модель:

https://api-docs.deepseek.com/news/news1226

Тип модели:

Закрытая

API

SFT

Дополнительные ссылки:

Замер осуществлялся через сервис openrouter (https://openrouter.ai/deepseek/deepseek-chat)

Описание архитектуры:

DeepSeek-V3 is a strong Mixture-of-Experts (MoE) language model with 671B total parameters with 37B activated for each token.

Описание обучения:

We pre-train DeepSeek-V3 on 14.8 trillion diverse and high-quality tokens, followed by Supervised Fine-Tuning and Reinforcement Learning stages to fully harness its capabilities.

Лицензия:

MIT License (https://huggingface.co/deepseek-ai/DeepSeek-V3/blob/main/LICENSE-CODE)

Параметры инференса

Параметры генерации:
simplear - do_sample=false;until=[" \n"];do_sample=false;until=[" \n"]; \nrucodeeval - do_sample=true;temperature=0.6;until=[" \nclass"," \ndef"," \n#"," \nif"," \nprint"]; \nruhumaneval - do_sample=true;temperature=0.6;until=[" \nclass"," \ndef"," \n#"," \nif"," \nprint"];

Системный промпт:
Реши задачу по инструкции ниже. Не давай никаких объяснений и пояснений к своему ответу. Не пиши ничего лишнего. Пиши только то, что указано в инструкции. Если по инструкции нужно решить пример, то напиши только числовой ответ без хода решения и пояснений. Если по инструкции нужно вывести букву, цифру или слово, выведи только его. Если по инструкции нужно выбрать один из вариантов ответа и вывести букву или цифру, которая ему соответствует, то выведи только эту букву или цифру, не давай никаких пояснений, не добавляй знаки препинания, только 1 символ в ответе. Если по инструкции нужно дописать код функции на языке Python, пиши сразу код, соблюдая отступы так, будто ты продолжаешь функцию из инструкции, не давай пояснений, не пиши комментарии, используй только аргументы из сигнатуры функции в инструкции, не пробуй считывать данные через функцию input. Не извиняйся, не строй диалог. Выдавай только ответ и ничего больше.

Оценки по подкатегориям

Метрика: Grade Norm
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
DeepSeek-V3
llmarena.ru
0.767 0.733 0.833 0.333 0.433 0.467 0.4 - 0.4 0.067 0.033 0.1 0.567 0.067 0.2 0.567 0.133 0.2 0.267 0.167 0.033 0.833 0.633 0.467 0.4 0.867 0.467 0.8 0.833 0.833 0.9
Модель, команда Честность Помощь Безопасность
DeepSeek-V3
llmarena.ru
0.803 0.763 0.793
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
DeepSeek-V3
llmarena.ru
0.815 0.542 0.895 0.885 0.869 0.891 0.835 0.83 0.895 0.735 0.702 0.667 0.7 0.824 0.894 0.795 0.84 0.903 0.8 0.84 0.685 0.871 0.7 0.78 0.741 0.91 0.592 0.75 0.78 0.64 0.81 0.884 0.81 0.889 0.845 0.88 0.74 0.935 0.748 0.773 0.904 0.912 0.793 0.899 0.933 0.806 0.931 0.719 0.649 0.807 0.8 0.911 0.872 0.933 0.9 0.848 0.922
Модель, команда SIM FL STA
DeepSeek-V3
llmarena.ru
0.677 0.77 0.74
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
DeepSeek-V3
llmarena.ru
0.889 0.95 0.817 0.731 0.908 0.828 0.845 0.737 0.942 0.846 0.821 0.85 0.658 0.922 0.918 0.778 0.841 0.8 0.912 0.877 0.895 0.966 0.933 0.953 0.911 0.924 0.91 0.825 0.93 0.889 0.889 0.91 0.875 0.982 0.758 0.946 0.978 0.933 0.842 0.846 0.951 0.937 0.911 1 0.948 0.911 0.948 0.932 0.938 0.912 0.911 0.957 0.797 0.792 0.698 0.871 0.933
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
DeepSeek-V3
llmarena.ru
0.447 0.431 0.478 0.402 0.368
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
DeepSeek-V3
llmarena.ru
0.395 0.373 0.412 0.347 0.318
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
DeepSeek-V3
llmarena.ru
0.527 0.496 0.539 0.464 0.441
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
DeepSeek-V3
llmarena.ru
0.87 0.743 0.882 0.838 0.714 0.885