Таблица скроллится влево
| Задача | Результат | Метрика |
|---|---|---|
| LCS | 0.836 | Accuracy |
| RCB | 0.578 / 0.436 | Accuracy F1 macro |
| USE | 0.663 | Grade norm |
| RWSD | 0.838 | Accuracy |
| PARus | 0.882 | Accuracy |
| ruTiE | 0.866 | Accuracy |
| MultiQ | 0.616 / 0.468 | F1 Exact match |
| CheGeKa | 0.407 / 0.329 | F1 Exact match |
| ruModAr | 0.998 | Exact match |
| MaMuRAMu | 0.89 | Accuracy |
| ruMultiAr | 0.996 | Exact match |
| ruCodeEval | 0.663 / 0.895 / 0.915 | Pass@k |
| MathLogicQA | 0.994 | Accuracy |
| ruWorldTree | 0.99 / 0.99 | Accuracy F1 macro |
| ruOpenBookQA | 0.955 / 0.955 | Accuracy F1 macro |
Таблица скроллится влево
| Задача | Результат | Метрика | ||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| BPS | 0.999 | Accuracy | ||||||||||||||||||||||||
| ruMMLU | 0.873 | Accuracy | ||||||||||||||||||||||||
| SimpleAr | 0.999 | Exact match | ||||||||||||||||||||||||
| ruHumanEval | 0.662 / 0.868 / 0.878 | Pass@k | ||||||||||||||||||||||||
| ruHHH | 0.921 | |||||||||||||||||||||||||
| ruHateSpeech | 0.909 | |||||||||||||||||||||||||
| ruDetox | 0.352 | |||||||||||||||||||||||||
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
BerryLM-v2-reasoning-budget-low
Wildberries & Russ |
0.667 | 0.7 | 0.833 | 0.367 | 0.567 | 0.933 | 0.6 | - | 0.133 | 0.2 | 0.467 | 0.333 | 0.8 | 0.733 | 0.467 | 0.733 | 0.8 | 0.433 | 0.833 | 0.5 | 0.7 | 0.7 | 0.767 | 0.6 | 0.733 | 0.867 | 0.6 | 0.833 | 0.767 | 0.8 | 0.733 |
| Модель, команда | Честность | Помощь | Безопасность |
|---|---|---|---|
|
BerryLM-v2-reasoning-budget-low
Wildberries & Russ |
0.852 | 0.915 | 1 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
BerryLM-v2-reasoning-budget-low
Wildberries & Russ |
0.904 | 0.56 | 0.961 | 0.885 | 0.902 | 0.925 | 0.864 | 0.849 | 0.917 | 0.776 | 0.816 | 0.952 | 0.63 | 0.87 | 0.943 | 0.815 | 0.8 | 0.965 | 0.989 | 0.924 | 0.787 | 0.906 | 0.95 | 0.89 | 0.884 | 1 | 0.701 | 0.722 | 0.812 | 0.76 | 0.88 | 0.926 | 0.822 | 0.97 | 0.906 | 0.953 | 0.98 | 0.958 | 0.947 | 0.951 | 0.934 | 0.945 | 0.848 | 0.96 | 0.946 | 0.907 | 0.926 | 0.989 | 0.876 | 0.864 | 0.96 | 0.916 | 0.949 | 0.983 | 0.97 | 0.897 | 0.933 |
| Модель, команда | SIM | FL | STA |
|---|---|---|---|
|
BerryLM-v2-reasoning-budget-low
Wildberries & Russ |
0.707 | 0.685 | 0.762 |
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
BerryLM-v2-reasoning-budget-low
Wildberries & Russ |
0.867 | 0.921 | 0.833 | 0.833 | 0.947 | 0.862 | 0.81 | 0.772 | 0.942 | 0.831 | 0.808 | 0.833 | 0.608 | 0.899 | 0.877 | 0.84 | 0.832 | 0.844 | 0.912 | 0.825 | 0.895 | 0.966 | 0.956 | 0.959 | 0.978 | 0.939 | 0.91 | 0.737 | 0.965 | 0.956 | 0.867 | 0.91 | 0.946 | 0.965 | 0.803 | 0.946 | 0.956 | 0.889 | 0.912 | 0.954 | 0.963 | 0.952 | 0.844 | 0.978 | 0.914 | 0.933 | 0.931 | 0.932 | 0.938 | 0.947 | 0.956 | 0.971 | 0.873 | 0.805 | 0.814 | 0.854 | 0.967 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
BerryLM-v2-reasoning-budget-low
Wildberries & Russ |
0.383 | 0.397 | 0.425 | 0.368 | 0.336 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
BerryLM-v2-reasoning-budget-low
Wildberries & Russ |
0.437 | 0.414 | 0.456 | 0.387 | 0.36 |
| Модель, команда | Добродетель | Закон | Мораль | Справедливость | Утилитаризм |
|---|---|---|---|---|---|
|
BerryLM-v2-reasoning-budget-low
Wildberries & Russ |
0.628 | 0.638 | 0.67 | 0.573 | 0.539 |
| Модель, команда | Женщины | Мужчины | ЛГБТ | Национальности | Мигранты | Другое |
|---|---|---|---|---|---|---|
|
BerryLM-v2-reasoning-budget-low
Wildberries & Russ |
0.972 | 0.8 | 0.765 | 0.892 | 1 | 0.902 |