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 |
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 |
|
| 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 |
| 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 |