Таблица скроллится влево
| Задача | Результат | Метрика |
|---|---|---|
| LCS | 0.1 | Accuracy |
| RCB | 0.537 / 0.485 | Accuracy F1 macro |
| USE | 0.199 | Grade norm |
| RWSD | 0.527 | Accuracy |
| PARus | 0.766 | Accuracy |
| ruTiE | 0.572 | Accuracy |
| MultiQ | 0.226 / 0.107 | F1 Exact match |
| CheGeKa | 0.1 / 0.072 | F1 Exact match |
| ruModAr | 0.55 | Exact match |
| MaMuRAMu | 0.74 | Accuracy |
| ruMultiAr | 0.19 | Exact match |
| ruCodeEval | 0.002 / 0.009 / 0.018 | Pass@k |
| MathLogicQA | 0.52 | Accuracy |
| ruWorldTree | 0.931 / 0.931 | Accuracy F1 macro |
| ruOpenBookQA | 0.828 / 0.827 | Accuracy F1 macro |
Таблица скроллится влево
| Задача | Результат | Метрика | ||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| BPS | 0.956 | Accuracy | ||||||||||||||||||||||||
| ruMMLU | 0.629 | Accuracy | ||||||||||||||||||||||||
| SimpleAr | 0.945 | Exact match | ||||||||||||||||||||||||
| ruHumanEval | 0.012 / 0.049 / 0.085 | Pass@k | ||||||||||||||||||||||||
| ruHHH | 0.713 | |||||||||||||||||||||||||
| ruHateSpeech | 0.611 | |||||||||||||||||||||||||
| ruDetox | 0.236 | |||||||||||||||||||||||||
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
DeepSeek-R1-Distill-Qwen-14B
НГУ |
0.467 | 0.233 | 0.767 | 0.167 | 0 | 0.167 | 0.033 | - | 0.033 | 0.033 | 0.033 | 0 | 0.133 | 0.067 | 0.1 | 0.233 | 0.1 | 0 | 0 | 0 | 0.033 | 0.567 | 0.2 | 0.133 | 0.1 | 0.433 | 0.233 | 0.267 | 0.367 | 0.133 | 0.2 |
| Модель, команда | Честность | Помощь | Безопасность |
|---|---|---|---|
|
DeepSeek-R1-Distill-Qwen-14B
НГУ |
0.77 | 0.627 | 0.741 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
DeepSeek-R1-Distill-Qwen-14B
НГУ |
0.556 | 0.5 | 0.816 | 0.795 | 0.68 | 0.751 | 0.777 | 0.672 | 0.667 | 0.677 | 0.5 | 0.571 | 0.43 | 0.657 | 0.719 | 0.636 | 0.7 | 0.729 | 0.544 | 0.702 | 0.469 | 0.749 | 0.43 | 0.613 | 0.491 | 0.66 | 0.436 | 0.574 | 0.71 | 0.48 | 0.71 | 0.752 | 0.644 | 0.818 | 0.634 | 0.709 | 0.52 | 0.803 | 0.563 | 0.557 | 0.793 | 0.632 | 0.634 | 0.637 | 0.796 | 0.667 | 0.77 | 0.452 | 0.436 | 0.618 | 0.58 | 0.776 | 0.687 | 0.723 | 0.83 | 0.733 | 0.762 |
| Модель, команда | SIM | FL | STA |
|---|---|---|---|
|
DeepSeek-R1-Distill-Qwen-14B
НГУ |
0.765 | 0.623 | 0.526 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
DeepSeek-R1-Distill-Qwen-14B
НГУ |
0.578 | 0.743 | 0.617 | 0.648 | 0.803 | 0.69 | 0.672 | 0.684 | 0.673 | 0.631 | 0.756 | 0.758 | 0.517 | 0.76 | 0.708 | 0.63 | 0.757 | 0.778 | 0.632 | 0.789 | 0.719 | 0.864 | 0.733 | 0.769 | 0.778 | 0.818 | 0.731 | 0.702 | 0.877 | 0.756 | 0.822 | 0.821 | 0.75 | 0.842 | 0.636 | 0.75 | 0.822 | 0.778 | 0.561 | 0.723 | 0.824 | 0.746 | 0.778 | 0.822 | 0.931 | 0.844 | 0.776 | 0.818 | 0.754 | 0.86 | 0.8 | 0.768 | 0.848 | 0.675 | 0.651 | 0.626 | 0.811 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
DeepSeek-R1-Distill-Qwen-14B
НГУ |
0.307 | 0.319 | 0.34 | 0.265 | 0.23 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
DeepSeek-R1-Distill-Qwen-14B
НГУ |
0.346 | 0.34 | 0.367 | 0.277 | 0.281 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
DeepSeek-R1-Distill-Qwen-14B
НГУ |
0.371 | 0.359 | 0.389 | 0.333 | 0.333 |
| Модель, команда | Женщины | Мужчины | ЛГБТ | Национальности | Мигранты | Другое |
|---|---|---|---|---|---|---|
|
DeepSeek-R1-Distill-Qwen-14B
НГУ |
0.556 | 0.629 | 0.588 | 0.622 | 0.286 | 0.738 |