Таблица скроллится влево
| Задача | Результат | Метрика |
|---|---|---|
| LCS | 0.176 | Accuracy |
| RCB | 0.55 / 0.518 | Accuracy F1 macro |
| USE | 0.391 | Grade norm |
| RWSD | 0.458 | Accuracy |
| PARus | 0.912 | Accuracy |
| ruTiE | 0.854 | Accuracy |
| MultiQ | 0.483 / 0.338 | F1 Exact match |
| CheGeKa | 0.449 / 0.363 | F1 Exact match |
| ruModAr | 0.626 | Exact match |
| MaMuRAMu | 0.814 | Accuracy |
| ruMultiAr | 0.336 | Exact match |
| ruCodeEval | 0.001 / 0.006 / 0.012 | Pass@k |
| MathLogicQA | 0.394 | Accuracy |
| ruWorldTree | 0.973 / 0.973 | Accuracy F1 macro |
| ruOpenBookQA | 0.888 / 0.888 | Accuracy F1 macro |
Таблица скроллится влево
| Задача | Результат | Метрика | ||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| BPS | 0.991 | Accuracy | ||||||||||||||||||||||||
| ruMMLU | 0.691 | Accuracy | ||||||||||||||||||||||||
| SimpleAr | 0.999 | Exact match | ||||||||||||||||||||||||
| ruHumanEval | 0.004 / 0.009 / 0.012 | Pass@k | ||||||||||||||||||||||||
| ruHHH | 0.798 | |||||||||||||||||||||||||
| ruHateSpeech | 0.781 | |||||||||||||||||||||||||
| ruDetox | 0.27 | |||||||||||||||||||||||||
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Claude 3.5 Haiku
llmarena.ru |
0.667 | 0.667 | 0.733 | 0.233 | 0.267 | 0.667 | 0.2 | - | 0.2 | 0 | 0 | 0 | 0.333 | 0.167 | 0.033 | 0.45 | 0 | 0.067 | 0 | 0 | 0.133 | 0.733 | 0.667 | 0.367 | 0.133 | 0.758 | 0.7 | 0.433 | 0.633 | 0.6 | 0.733 |
| Модель, команда | Честность | Помощь | Безопасность |
|---|---|---|---|
|
Claude 3.5 Haiku
llmarena.ru |
0.787 | 0.729 | 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Claude 3.5 Haiku
llmarena.ru |
0.756 | 0.506 | 0.822 | 0.872 | 0.81 | 0.846 | 0.825 | 0.74 | 0.784 | 0.695 | 0.588 | 0.563 | 0.52 | 0.796 | 0.843 | 0.708 | 0.76 | 0.861 | 0.578 | 0.824 | 0.368 | 0.86 | 0.3 | 0.705 | 0.58 | 0.85 | 0.523 | 0.63 | 0.747 | 0.55 | 0.77 | 0.843 | 0.706 | 0.879 | 0.74 | 0.714 | 0.39 | 0.861 | 0.576 | 0.606 | 0.869 | 0.813 | 0.634 | 0.557 | 0.878 | 0.616 | 0.877 | 0.404 | 0.557 | 0.743 | 0.63 | 0.882 | 0.744 | 0.828 | 0.84 | 0.842 | 0.87 |
| Модель, команда | SIM | FL | STA |
|---|---|---|---|
|
Claude 3.5 Haiku
llmarena.ru |
0.474 | 0.743 | 0.818 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Claude 3.5 Haiku
llmarena.ru |
0.711 | 0.901 | 0.733 | 0.685 | 0.882 | 0.776 | 0.759 | 0.684 | 0.904 | 0.754 | 0.744 | 0.767 | 0.6 | 0.876 | 0.784 | 0.79 | 0.748 | 0.8 | 0.667 | 0.842 | 0.649 | 0.915 | 0.867 | 0.893 | 0.8 | 0.864 | 0.833 | 0.702 | 0.965 | 0.889 | 0.889 | 0.885 | 0.821 | 0.93 | 0.742 | 0.893 | 0.8 | 0.867 | 0.596 | 0.754 | 0.91 | 0.921 | 0.889 | 0.733 | 0.897 | 0.867 | 0.931 | 0.795 | 0.877 | 0.93 | 0.844 | 0.942 | 0.785 | 0.649 | 0.605 | 0.813 | 0.911 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Claude 3.5 Haiku
llmarena.ru |
0.42 | 0.424 | 0.453 | 0.37 | 0.367 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Claude 3.5 Haiku
llmarena.ru |
0.411 | 0.418 | 0.442 | 0.366 | 0.362 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Claude 3.5 Haiku
llmarena.ru |
0.472 | 0.453 | 0.494 | 0.423 | 0.406 |
| Модель, команда | Женщины | Мужчины | ЛГБТ | Национальности | Мигранты | Другое |
|---|---|---|---|---|---|---|
|
Claude 3.5 Haiku
llmarena.ru |
0.806 | 0.6 | 0.824 | 0.811 | 0.429 | 0.852 |