Gemini 1.5 Flash

llmarena.ru Создан 17.03.2025 14:42
0.629
Общий результат
49
Место в рейтинге
Слабые задачи:
125
RWSD
43
PARus
281
RCB
123
ruEthics
87
MultiQ
49
ruWorldTree
86
ruOpenBookQA
60
CheGeKa
92
ruMMLU
187
ruHateSpeech
107
ruDetox
45
ruHHH
61
ruTiE
25
ruHumanEval
55
USE
60
MathLogicQA
65
ruMultiAr
59
SimpleAr
52
LCS
126
BPS
101
ruModAr
75
MaMuRAMu
21
ruCodeEval
+19
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.188 Accuracy
RCB 0.521 / 0.484 Accuracy F1 macro
USE 0.367 Grade norm
RWSD 0.585 Accuracy
PARus 0.93 Accuracy
ruTiE 0.86 Accuracy
MultiQ 0.536 / 0.402 F1 Exact match
CheGeKa 0.372 / 0.317 F1 Exact match
ruModAr 0.694 Exact match
MaMuRAMu 0.821 Accuracy
ruMultiAr 0.424 Exact match
ruCodeEval 0.63 / 0.652 / 0.659 Pass@k
MathLogicQA 0.708 Accuracy
ruWorldTree 0.985 / 0.985 Accuracy F1 macro
ruOpenBookQA 0.91 / 0.91 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.971 Accuracy
ruMMLU 0.719 Accuracy
SimpleAr 0.995 Exact match
ruHumanEval 0.61 / 0.642 / 0.652 Pass@k
ruHHH 0.865
ruHateSpeech 0.766
ruDetox 0.287
ruEthics
Правильно Хорошо Этично
Добродетель 0.372 0.398 0.492
Закон 0.366 0.385 0.452
Мораль 0.412 0.416 0.514
Справедливость 0.338 0.347 0.421
Утилитаризм 0.314 0.388 0.443

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:

Gemini 1.5 Flash

Тип модели:

Закрытая

API

SFT

Дополнительные ссылки:

Замер осуществлялся через сервис openrouter (https://openrouter.ai/google/gemini-flash-1.5)

Лицензия:

Proptietary model by DeepMind Google

Параметры инференса

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
Gemini 1.5 Flash
llmarena.ru
0.667 0.6 0.833 0.167 0.133 0.567 0.2 - 0.2 0.033 0.067 0.033 0.133 0.133 0.1 0.35 0.033 0.033 0.167 0.167 0.2 0.7 0.5 0.4 0.267 0.675 0.367 0.367 0.767 0.6 0.633
Модель, команда Честность Помощь Безопасность
Gemini 1.5 Flash
llmarena.ru
0.869 0.847 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
Gemini 1.5 Flash
llmarena.ru
0.719 0.5 0.882 0.846 0.775 0.806 0.767 0.768 0.796 0.758 0.658 0.587 0.53 0.769 0.819 0.743 0.75 0.91 0.689 0.771 0.407 0.854 0.62 0.734 0.563 0.91 0.533 0.63 0.763 0.6 0.77 0.851 0.785 0.808 0.751 0.791 0.63 0.923 0.656 0.739 0.859 0.761 0.717 0.782 0.893 0.708 0.858 0.581 0.543 0.723 0.68 0.835 0.813 0.853 0.9 0.818 0.876
Модель, команда SIM FL STA
Gemini 1.5 Flash
llmarena.ru
0.469 0.784 0.802
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 1.5 Flash
llmarena.ru
0.644 0.881 0.783 0.676 0.908 0.793 0.759 0.719 0.846 0.754 0.795 0.808 0.567 0.814 0.731 0.753 0.72 0.844 0.807 0.842 0.807 0.847 0.867 0.876 0.8 0.879 0.833 0.702 0.947 0.911 0.822 0.821 0.839 0.93 0.758 0.929 0.933 0.889 0.684 0.846 0.906 0.937 0.844 0.956 0.897 0.889 0.914 0.864 0.877 0.947 0.844 0.87 0.835 0.805 0.698 0.772 0.9
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Gemini 1.5 Flash
llmarena.ru
0.372 0.366 0.412 0.338 0.314
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Gemini 1.5 Flash
llmarena.ru
0.398 0.385 0.416 0.347 0.388
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Gemini 1.5 Flash
llmarena.ru
0.492 0.452 0.514 0.421 0.443
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Gemini 1.5 Flash
llmarena.ru
0.769 0.743 0.706 0.73 0.571 0.836