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 |
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 |
|
| 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 |
| 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 |