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 |
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 |
|
| 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 |
| 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 |