Gemini 1.5 Flash-8B

llmarena.ru Создан 21.03.2025 17:44
0.537
Общий результат
116
Место в рейтинге
Слабые задачи:
516
RWSD
148
PARus
220
RCB
88
ruEthics
141
MultiQ
141
ruWorldTree
146
ruOpenBookQA
169
CheGeKa
176
ruMMLU
231
ruHateSpeech
99
ruDetox
190
ruHHH
120
ruTiE
28
ruHumanEval
96
USE
152
MathLogicQA
113
ruMultiAr
130
SimpleAr
85
LCS
94
BPS
254
ruModAr
129
MaMuRAMu
22
ruCodeEval
+19
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.162 Accuracy
RCB 0.539 / 0.454 Accuracy F1 macro
USE 0.313 Grade norm
RWSD 0.462 Accuracy
PARus 0.878 Accuracy
ruTiE 0.79 Accuracy
MultiQ 0.464 / 0.322 F1 Exact match
CheGeKa 0.182 / 0.13 F1 Exact match
ruModAr 0.478 Exact match
MaMuRAMu 0.762 Accuracy
ruMultiAr 0.342 Exact match
ruCodeEval 0.613 / 0.632 / 0.634 Pass@k
MathLogicQA 0.474 Accuracy
ruWorldTree 0.95 / 0.761 Accuracy F1 macro
ruOpenBookQA 0.87 / 0.87 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.982 Accuracy
ruMMLU 0.638 Accuracy
SimpleAr 0.985 Exact match
ruHumanEval 0.584 / 0.605 / 0.61 Pass@k
ruHHH 0.736
ruHateSpeech 0.736
ruDetox 0.294
ruEthics
Правильно Хорошо Этично
Добродетель 0.421 0.382 0.403
Закон 0.415 0.361 0.38
Мораль 0.453 0.399 0.42
Справедливость 0.385 0.335 0.354
Утилитаризм 0.347 0.385 0.381

Информация о сабмите

Версия MERA
v.1.2.0
Версия Torch
2.6.0
Версия кодовой базы
30667dc
Версия CUDA
12.1
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:

Gemini 1.5 Flash-8B

Тип модели:

Закрытая

API

SFT

Лицензия:

Proprietary model by Google

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
Gemini 1.5 Flash-8B
llmarena.ru
0.5 0.533 0.8 0.2 0.033 0.367 0.233 - 0.133 0.1 0.067 0.1 0.033 0.067 0.167 0.367 0.033 0 0 0.033 0.067 0.6 0.433 0.267 0.133 0.692 0.2 0.333 0.667 0.367 0.667
Модель, команда Честность Помощь Безопасность
Gemini 1.5 Flash-8B
llmarena.ru
0.721 0.712 0.776
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-8B
llmarena.ru
0.644 0.518 0.829 0.795 0.755 0.801 0.816 0.733 0.744 0.695 0.5 0.571 0.38 0.741 0.746 0.699 0.67 0.833 0.467 0.718 0.158 0.83 0.48 0.653 0.482 0.77 0.444 0.648 0.718 0.51 0.7 0.769 0.761 0.808 0.698 0.709 0.41 0.842 0.517 0.695 0.788 0.71 0.6 0.597 0.869 0.565 0.824 0.433 0.44 0.672 0.54 0.844 0.736 0.777 0.78 0.83 0.829
Модель, команда SIM FL STA
Gemini 1.5 Flash-8B
llmarena.ru
0.501 0.79 0.78
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-8B
llmarena.ru
0.733 0.881 0.65 0.583 0.803 0.759 0.621 0.649 0.788 0.738 0.705 0.792 0.5 0.752 0.649 0.802 0.729 0.733 0.702 0.825 0.368 0.881 0.889 0.828 0.756 0.818 0.769 0.702 0.912 0.889 0.822 0.833 0.786 0.877 0.652 0.821 0.844 0.844 0.544 0.754 0.857 0.873 0.8 0.822 0.862 0.889 0.914 0.727 0.8 0.912 0.8 0.812 0.785 0.636 0.628 0.731 0.833
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Gemini 1.5 Flash-8B
llmarena.ru
0.421 0.415 0.453 0.385 0.347
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Gemini 1.5 Flash-8B
llmarena.ru
0.382 0.361 0.399 0.335 0.385
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Gemini 1.5 Flash-8B
llmarena.ru
0.403 0.38 0.42 0.354 0.381
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Gemini 1.5 Flash-8B
llmarena.ru
0.741 0.657 0.765 0.757 0.429 0.787