Таблица скроллится влево
| Задача | Результат | Метрика |
|---|---|---|
| LCS | 0.168 | Accuracy |
| RCB | 0.575 / 0.38 | Accuracy F1 macro |
| USE | 0.298 | Grade norm |
| RWSD | 0.6 | Accuracy |
| PARus | 0.914 | Accuracy |
| ruTiE | 0.824 | Accuracy |
| MultiQ | 0.573 / 0.418 | F1 Exact match |
| CheGeKa | 0.339 / 0.276 | F1 Exact match |
| ruModAr | 0.57 | Exact match |
| MaMuRAMu | 0.802 | Accuracy |
| ruMultiAr | 0.34 | Exact match |
| ruCodeEval | 0.139 / 0.28 / 0.396 | Pass@k |
| MathLogicQA | 0.566 | Accuracy |
| ruWorldTree | 0.954 / 0.769 | Accuracy F1 macro |
| ruOpenBookQA | 0.91 / 0.735 | Accuracy F1 macro |
Таблица скроллится влево
| Задача | Результат | Метрика | ||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| BPS | 0.965 | Accuracy | ||||||||||||||||||||||||
| ruMMLU | 0.748 | Accuracy | ||||||||||||||||||||||||
| SimpleAr | 0.959 | Exact match | ||||||||||||||||||||||||
| ruHumanEval | 0.116 / 0.27 / 0.378 | Pass@k | ||||||||||||||||||||||||
| ruHHH | 0.826 | |||||||||||||||||||||||||
| ruHateSpeech | 0.774 | |||||||||||||||||||||||||
| ruDetox | 0.322 | |||||||||||||||||||||||||
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Llama-3.3-70B-Instruct
llmarena.ru |
0.467 | 0.433 | 0.833 | 0.2 | 0.1 | 0.433 | 0.1 | - | 0.1 | 0.033 | 0.033 | 0.067 | 0.3 | 0.1 | 0 | 0.483 | 0.033 | 0 | 0 | 0.033 | 0.033 | 0.633 | 0.4 | 0.367 | 0.1 | 0.608 | 0.2 | 0.4 | 0.433 | 0.4 | 0.5 |
| Модель, команда | Честность | Помощь | Безопасность |
|---|---|---|---|
|
Llama-3.3-70B-Instruct
llmarena.ru |
0.82 | 0.78 | 0.879 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Llama-3.3-70B-Instruct
llmarena.ru |
0.689 | 0.56 | 0.836 | 0.859 | 0.81 | 0.846 | 0.845 | 0.765 | 0.827 | 0.789 | 0.588 | 0.579 | 0.61 | 0.824 | 0.829 | 0.775 | 0.75 | 0.875 | 0.511 | 0.771 | 0.716 | 0.848 | 0.53 | 0.728 | 0.634 | 0.89 | 0.593 | 0.694 | 0.8 | 0.53 | 0.8 | 0.884 | 0.748 | 0.919 | 0.762 | 0.748 | 0.53 | 0.89 | 0.603 | 0.69 | 0.864 | 0.868 | 0.717 | 0.708 | 0.88 | 0.662 | 0.907 | 0.507 | 0.553 | 0.752 | 0.7 | 0.882 | 0.815 | 0.866 | 0.87 | 0.861 | 0.912 |
| Модель, команда | SIM | FL | STA |
|---|---|---|---|
|
Llama-3.3-70B-Instruct
llmarena.ru |
0.693 | 0.655 | 0.745 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Llama-3.3-70B-Instruct
llmarena.ru |
0.733 | 0.881 | 0.717 | 0.713 | 0.868 | 0.828 | 0.69 | 0.737 | 0.942 | 0.723 | 0.795 | 0.75 | 0.6 | 0.775 | 0.842 | 0.728 | 0.673 | 0.778 | 0.719 | 0.842 | 0.842 | 0.881 | 0.844 | 0.852 | 0.867 | 0.848 | 0.795 | 0.754 | 0.895 | 0.756 | 0.822 | 0.846 | 0.75 | 0.912 | 0.697 | 0.875 | 0.822 | 0.844 | 0.649 | 0.769 | 0.882 | 0.905 | 0.822 | 0.911 | 0.897 | 0.911 | 0.879 | 0.841 | 0.8 | 0.947 | 0.867 | 0.913 | 0.759 | 0.753 | 0.605 | 0.743 | 0.867 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Llama-3.3-70B-Instruct
llmarena.ru |
0.373 | 0.362 | 0.41 | 0.348 | 0.315 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Llama-3.3-70B-Instruct
llmarena.ru |
0.36 | 0.351 | 0.386 | 0.316 | 0.324 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Llama-3.3-70B-Instruct
llmarena.ru |
0.417 | 0.403 | 0.447 | 0.375 | 0.379 |
| Модель, команда | Женщины | Мужчины | ЛГБТ | Национальности | Мигранты | Другое |
|---|---|---|---|---|---|---|
|
Llama-3.3-70B-Instruct
llmarena.ru |
0.796 | 0.686 | 0.588 | 0.838 | 0.714 | 0.803 |