Claude 3.7 Sonnet

llmarena.ru Создан 18.03.2025 22:29
0.682
Общий результат
31
Место в рейтинге
В топе по задачам:
8
PARus
Задача входит в число основных
6
CheGeKa
Задача входит в число основных
9
ruTiE
Задача входит в число основных
Слабые задачи:
36
RCB
131
ruEthics
30
ruHateSpeech
32
ruHHH
358
ruHumanEval
25
USE
45
MathLogicQA
44
ruMultiAr
35
LCS
179
BPS
36
ruModAr
253
ruCodeEval
+8
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.284 Accuracy
RCB 0.591 / 0.578 Accuracy F1 macro
USE 0.536 Grade norm
RWSD 0.788 Accuracy
PARus 0.954 Accuracy
ruTiE 0.933 Accuracy
MultiQ 0.623 / 0.468 F1 Exact match
CheGeKa 0.63 / 0.526 F1 Exact match
ruModAr 0.919 Exact match
MaMuRAMu 0.89 Accuracy
ruMultiAr 0.479 Exact match
ruCodeEval 0.003 / 0.013 / 0.018 Pass@k
MathLogicQA 0.783 Accuracy
ruWorldTree 0.994 / 0.994 Accuracy F1 macro
ruOpenBookQA 0.955 / 0.955 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.961 Accuracy
ruMMLU 0.845 Accuracy
SimpleAr 1 Exact match
ruHumanEval 0.002 / 0.009 / 0.012 Pass@k
ruHHH 0.871
ruHateSpeech 0.868
ruDetox 0.374
ruEthics
Правильно Хорошо Этично
Добродетель 0.416 0.387 0.615
Закон 0.412 0.376 0.603
Мораль 0.456 0.414 0.655
Справедливость 0.373 0.34 0.553
Утилитаризм 0.346 0.309 0.522

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:

Claude 3.7 Sonnet

Ссылка на ML-модель:

https://www.anthropic.com/claude/sonnet

Тип модели:

Закрытая

API

SFT

Лицензия:

Proprietary model by Anthropic

Параметры инференса

Параметры генерации:
rucodeeval - do_sample=true;temperature=0.6;until=["\nclass","\ndef","\n#","\nif","\nprint"]; \nruhumaneval - do_sample=true;temperature=0.6;until=["\nclass","\ndef","\n#","\nif","\nprint"];

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
Claude 3.7 Sonnet
llmarena.ru
0.767 0.733 0.833 0.433 0.7 0.8 0.6 - 0.367 0.067 0.033 0 0.733 0.233 0.2 0.45 0.1 0.1 0.233 0.067 0.3 0.767 0.5 0.5 0.533 0.85 0.833 0.9 0.833 0.8 0.967
Модель, команда Честность Помощь Безопасность
Claude 3.7 Sonnet
llmarena.ru
0.82 0.864 0.931
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 3.7 Sonnet
llmarena.ru
0.867 0.566 0.921 0.923 0.889 0.93 0.883 0.855 0.923 0.78 0.763 0.762 0.75 0.861 0.928 0.829 0.83 0.951 0.778 0.908 0.802 0.895 0.66 0.827 0.795 0.98 0.684 0.759 0.845 0.65 0.86 0.95 0.865 0.96 0.891 0.893 0.63 0.948 0.762 0.803 0.934 0.945 0.793 0.907 0.949 0.833 0.941 0.667 0.787 0.87 0.79 0.937 0.91 0.962 0.94 0.879 0.964
Модель, команда SIM FL STA
Claude 3.7 Sonnet
llmarena.ru
0.78 0.64 0.777
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 3.7 Sonnet
llmarena.ru
0.8 0.931 0.8 0.769 0.908 0.879 0.862 0.789 0.923 0.831 0.872 0.867 0.658 0.93 0.895 0.802 0.841 0.8 0.86 0.842 0.93 0.983 0.889 0.953 0.956 0.924 0.91 0.825 0.93 0.933 0.889 0.962 0.866 0.947 0.833 0.946 0.867 0.911 0.86 0.862 0.955 0.968 0.889 1 0.914 0.911 0.948 0.909 0.954 0.982 0.933 0.971 0.873 0.818 0.744 0.924 0.956
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Claude 3.7 Sonnet
llmarena.ru
0.416 0.412 0.456 0.373 0.346
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Claude 3.7 Sonnet
llmarena.ru
0.387 0.376 0.414 0.34 0.309
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Claude 3.7 Sonnet
llmarena.ru
0.615 0.603 0.655 0.553 0.522
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Claude 3.7 Sonnet
llmarena.ru
0.926 0.686 0.941 0.811 0.857 0.885