Таблица скроллится влево
| Задача | Результат | Метрика |
|---|---|---|
| LCS | 0.146 | Accuracy |
| RCB | 0.491 / 0.334 | Accuracy F1 macro |
| USE | 0.153 | Grade norm |
| RWSD | 0.423 | Accuracy |
| PARus | 0.808 | Accuracy |
| ruTiE | 0.675 | Accuracy |
| MultiQ | 0.412 / 0.281 | F1 Exact match |
| CheGeKa | 0.192 / 0.151 | F1 Exact match |
| ruModAr | 0.409 | Exact match |
| MaMuRAMu | 0.676 | Accuracy |
| ruMultiAr | 0.242 | Exact match |
| ruCodeEval | 0.001 / 0.003 / 0.006 | Pass@k |
| MathLogicQA | 0.353 | Accuracy |
| ruWorldTree | 0.876 / 0.702 | Accuracy F1 macro |
| ruOpenBookQA | 0.775 / 0.62 | Accuracy F1 macro |
Таблица скроллится влево
| Задача | Результат | Метрика | ||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| BPS | 0.909 | Accuracy | ||||||||||||||||||||||||
| ruMMLU | 0.544 | Accuracy | ||||||||||||||||||||||||
| SimpleAr | 0.965 | Exact match | ||||||||||||||||||||||||
| ruHumanEval | 0.012 / 0.012 / 0.012 | Pass@k | ||||||||||||||||||||||||
| ruHHH | 0.674 | |||||||||||||||||||||||||
| ruHateSpeech | 0.785 | |||||||||||||||||||||||||
| ruDetox | 0.251 | |||||||||||||||||||||||||
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Mistral NeMo
llmarena.ru |
0.067 | 0.133 | 0.733 | 0.133 | 0 | 0.233 | 0 | - | 0.033 | 0.067 | 0.033 | 0 | 0.267 | 0.033 | 0 | 0.25 | 0.033 | 0.067 | 0 | 0.033 | 0.033 | 0.433 | 0.033 | 0.167 | 0.167 | 0.208 | 0.133 | 0.233 | 0.333 | 0.267 | 0.2 |
| Модель, команда | Честность | Помощь | Безопасность |
|---|---|---|---|
|
Mistral NeMo
llmarena.ru |
0.639 | 0.695 | 0.69 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Mistral NeMo
llmarena.ru |
0.548 | 0.446 | 0.599 | 0.748 | 0.572 | 0.716 | 0.68 | 0.63 | 0.602 | 0.601 | 0.439 | 0.468 | 0.43 | 0.639 | 0.699 | 0.564 | 0.58 | 0.632 | 0.333 | 0.641 | 0.27 | 0.731 | 0.25 | 0.584 | 0.348 | 0.57 | 0.403 | 0.611 | 0.661 | 0.43 | 0.6 | 0.694 | 0.571 | 0.727 | 0.589 | 0.534 | 0.38 | 0.729 | 0.364 | 0.448 | 0.667 | 0.603 | 0.49 | 0.456 | 0.736 | 0.468 | 0.735 | 0.322 | 0.365 | 0.515 | 0.39 | 0.781 | 0.569 | 0.597 | 0.68 | 0.739 | 0.684 |
| Модель, команда | SIM | FL | STA |
|---|---|---|---|
|
Mistral NeMo
llmarena.ru |
0.652 | 0.709 | 0.599 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
Mistral NeMo
llmarena.ru |
0.378 | 0.772 | 0.583 | 0.648 | 0.776 | 0.69 | 0.534 | 0.632 | 0.654 | 0.615 | 0.654 | 0.658 | 0.525 | 0.698 | 0.614 | 0.556 | 0.692 | 0.689 | 0.421 | 0.719 | 0.333 | 0.695 | 0.622 | 0.722 | 0.689 | 0.667 | 0.692 | 0.719 | 0.912 | 0.711 | 0.8 | 0.782 | 0.554 | 0.807 | 0.621 | 0.75 | 0.511 | 0.756 | 0.491 | 0.646 | 0.8 | 0.794 | 0.733 | 0.578 | 0.793 | 0.8 | 0.828 | 0.727 | 0.785 | 0.877 | 0.689 | 0.71 | 0.835 | 0.623 | 0.558 | 0.561 | 0.733 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Mistral NeMo
llmarena.ru |
0.306 | 0.342 | 0.348 | 0.278 | 0.264 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Mistral NeMo
llmarena.ru |
0.352 | 0.324 | 0.358 | 0.3 | 0.339 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
Mistral NeMo
llmarena.ru |
0.245 | 0.225 | 0.256 | 0.216 | 0.246 |
| Модель, команда | Женщины | Мужчины | ЛГБТ | Национальности | Мигранты | Другое |
|---|---|---|---|---|---|---|
|
Mistral NeMo
llmarena.ru |
0.833 | 0.686 | 0.824 | 0.811 | 0.571 | 0.754 |