Таблица скроллится влево
| Задача | Результат | Метрика |
|---|---|---|
| LCS | 0.172 | Accuracy |
| RCB | 0.523 / 0.446 | Accuracy F1 macro |
| USE | 0.275 | Grade norm |
| RWSD | 0.565 | Accuracy |
| PARus | 0.898 | Accuracy |
| ruTiE | 0.676 | Accuracy |
| MultiQ | 0.477 / 0.334 | F1 Exact match |
| CheGeKa | 0.183 / 0.147 | F1 Exact match |
| ruModAr | 0.635 | Exact match |
| MaMuRAMu | 0.793 | Accuracy |
| ruMultiAr | 0.39 | Exact match |
| ruCodeEval | 0.354 / 0.397 / 0.409 | Pass@k |
| MathLogicQA | 0.608 | Accuracy |
| ruWorldTree | 0.968 / 0.967 | Accuracy F1 macro |
| ruOpenBookQA | 0.873 / 0.699 | Accuracy F1 macro |
Таблица скроллится влево
| Задача | Результат | Метрика | ||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| BPS | 0.995 | Accuracy | ||||||||||||||||||||||||
| ruMMLU | 0.671 | Accuracy | ||||||||||||||||||||||||
| SimpleAr | 0.989 | Exact match | ||||||||||||||||||||||||
| ruHumanEval | 0.486 / 0.516 / 0.524 | Pass@k | ||||||||||||||||||||||||
| ruHHH | 0.618 | |||||||||||||||||||||||||
| ruHateSpeech | 0.732 | |||||||||||||||||||||||||
| ruDetox | 0.292 | |||||||||||||||||||||||||
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Qwen-Turbo
llmarena.ru |
0.5 | 0.333 | 0.767 | 0.167 | 0.067 | 0.233 | 0.1 | - | 0.067 | 0.033 | 0.033 | 0.1 | 0.1 | 0.067 | 0.033 | 0.383 | 0.033 | 0.067 | 0.067 | 0.033 | 0.1 | 0.633 | 0.433 | 0.2 | 0.033 | 0.6 | 0.233 | 0.133 | 0.533 | 0.5 | 0.6 |
| Модель, команда | Честность | Помощь | Безопасность |
|---|---|---|---|
|
Qwen-Turbo
llmarena.ru |
0.607 | 0.593 | 0.655 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Qwen-Turbo
llmarena.ru |
0.593 | 0.548 | 0.803 | 0.846 | 0.765 | 0.821 | 0.777 | 0.704 | 0.741 | 0.717 | 0.579 | 0.563 | 0.55 | 0.741 | 0.811 | 0.685 | 0.72 | 0.84 | 0.611 | 0.687 | 0.299 | 0.848 | 0.55 | 0.624 | 0.563 | 0.85 | 0.462 | 0.602 | 0.71 | 0.46 | 0.75 | 0.826 | 0.693 | 0.859 | 0.725 | 0.722 | 0.53 | 0.839 | 0.623 | 0.611 | 0.808 | 0.739 | 0.676 | 0.806 | 0.846 | 0.644 | 0.804 | 0.593 | 0.504 | 0.69 | 0.54 | 0.785 | 0.738 | 0.819 | 0.82 | 0.824 | 0.865 |
| Модель, команда | SIM | FL | STA |
|---|---|---|---|
|
Qwen-Turbo
llmarena.ru |
0.691 | 0.637 | 0.696 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Qwen-Turbo
llmarena.ru |
0.622 | 0.832 | 0.767 | 0.63 | 0.895 | 0.741 | 0.707 | 0.614 | 0.808 | 0.754 | 0.795 | 0.733 | 0.608 | 0.837 | 0.76 | 0.716 | 0.72 | 0.8 | 0.684 | 0.842 | 0.667 | 0.898 | 0.889 | 0.852 | 0.867 | 0.848 | 0.808 | 0.772 | 0.982 | 0.778 | 0.822 | 0.872 | 0.795 | 0.912 | 0.697 | 0.804 | 0.911 | 0.822 | 0.667 | 0.815 | 0.849 | 0.841 | 0.844 | 0.956 | 0.897 | 0.911 | 0.914 | 0.886 | 0.785 | 0.895 | 0.867 | 0.826 | 0.81 | 0.766 | 0.605 | 0.719 | 0.844 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Qwen-Turbo
llmarena.ru |
0.244 | 0.223 | 0.256 | 0.213 | 0.193 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Qwen-Turbo
llmarena.ru |
0.223 | 0.205 | 0.233 | 0.196 | 0.219 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Qwen-Turbo
llmarena.ru |
0.213 | 0.197 | 0.221 | 0.189 | 0.221 |
| Модель, команда | Женщины | Мужчины | ЛГБТ | Национальности | Мигранты | Другое |
|---|---|---|---|---|---|---|
|
Qwen-Turbo
llmarena.ru |
0.75 | 0.543 | 0.765 | 0.757 | 0.571 | 0.803 |