commit

app.py

@@ -9,6 +9,8 @@ def display_table(exam_type):
         cols = df.columns.tolist()
         cols.insert(1, cols.pop(cols.index('Average')))
         df = df[cols]
+        df.rename(columns={'Armenian language and literature': 'Armenian language\nand literature'}, inplace=True)
+        df = df.round(4)
     elif exam_type == "MMLU-Pro-Hy":
         df = pd.read_csv('mmlu_pro_hy_results.csv')
         subject_cols = ['Biology', 'Business', 'Chemistry', 'Computer Science', 'Economics', 'Engineering', 'Health', 'History', 'Law', 'Math', 'Other', 'Philosophy', 'Physics', 'Psychology']
@@ -19,13 +21,13 @@ def display_table(exam_type):
         cols.insert(1, cols.pop(cols.index('Average')))
         cols.append(cols.pop(cols.index('Other')))
         df = df[cols]
+        df = df.round(4)
     return df
 
 def create_bar_chart(exam_type, plot_column):
     if exam_type == "Armenian Exams":
         df = pd.read_csv('unified_exam_results.csv')
         df = df.sort_values(by=[plot_column, 'Model'], ascending=[False, True]).reset_index(drop=True)
-
         x_col = plot_column
         title = f'{plot_column}'
         x_range_max = 20
@@ -37,7 +39,6 @@ def create_bar_chart(exam_type, plot_column):
             else:
                 return "Distinction"
         df['Test Result'] = df[plot_column].apply(get_label)
-
         color_discrete_map = {
             "Fail": "#ff5f56",
             "Pass": "#ffbd2e",
@@ -51,27 +52,24 @@ def create_bar_chart(exam_type, plot_column):
             labels={x_col: 'Score', 'Model': 'Model'},
             title=title,
             orientation='h')
-
         fig.update_layout(
             xaxis=dict(range=[0, x_range_max]),
             title=dict(text=title, font=dict(size=16)),
             xaxis_title=dict(font=dict(size=12)),
             yaxis_title=dict(font=dict(size=12)),
-            yaxis=dict(autorange="reversed")
+            yaxis=dict(autorange="reversed"),
+            autosize=True
         )
-
         return fig
-
     elif exam_type == "MMLU-Pro-Hy":
         df = pd.read_csv('mmlu_pro_hy_results.csv')
         subject_cols = ['Biology', 'Business', 'Chemistry', 'Computer Science', 'Economics', 'Engineering', 'Health', 'History', 'Law', 'Math', 'Other', 'Philosophy', 'Physics', 'Psychology']
         df['Average'] = df[subject_cols].mean(axis=1)
-        df = df.sort_values(by='Average', ascending=False)
+        df = df.sort_values(by=plot_column, ascending=False).reset_index(drop=True)  
         df = df.drop(columns=['Accuracy'])
         x_col = plot_column
         title = f'{plot_column}'
         x_range_max = 1.0
-
         fig = px.bar(df,
             x=x_col,
             y='Model',
@@ -81,35 +79,37 @@ def create_bar_chart(exam_type, plot_column):
             title=title,
             orientation='h',
             range_color=[0,1])
-
         fig.update_layout(
             xaxis=dict(range=[0, x_range_max]),
             title=dict(text=title, font=dict(size=16)),
             xaxis_title=dict(font=dict(size=12)),
             yaxis_title=dict(font=dict(size=12)),
-            yaxis=dict(autorange="reversed")
+            yaxis=dict(autorange="reversed"),
+            autosize=True
         )
-
         return fig
 
 with gr.Blocks() as app:
     with gr.Tabs():
         with gr.TabItem("Armenian Unified Exams"):
             gr.Markdown("# Armenian Unified Test Exams")
-            gr.Markdown("### This benchmark contains results of various Language Models on Armenian Unified Test Exams for Armenian language and literature, Armenian history and mathematics. The scoring system is a 20-point scale, where 0-8 is a Fail, 8-18 is a Pass, and 18-20 is a Distinction.")
-            # gr.Markdown("### Այս աղյուսակը պարունակում է տարբեր լեզվական մոդելների արդյունքները հայերեն լեզվի և գրականության, հայոց պատմության և մաթեմատիկայի միասնական քնությունների թեսթերի համար։ Գնահատման համակարգը 20 բալանոց սանդղակ է, որտեղ 0-8-ը նշանակում է Անբավարար, 8-18-ը՝ Բավարար, իսկ 18-20-ը՝ Գերազանց:")
-
+            gr.HTML(f"""
+                <div style="font-size: 16px;">
+                    This benchmark contains results of various Language Models on Armenian Unified Test Exams for Armenian language and literature, Armenian history and mathematics. The scoring system is a 20-point scale, where 0-8 is a Fail, 8-18 is a Pass, and 18-20 is a Distinction.
+                </div>
+            """)
             table_output_armenian = gr.DataFrame(value=lambda: display_table("Armenian Exams"))
             plot_column_dropdown = gr.Dropdown(choices=['Average', 'Armenian language and literature', 'Armenian history', 'Mathematics'], value='Average', label='Select Column to Plot')
             plot_output_armenian = gr.Plot(lambda column: create_bar_chart("Armenian Exams", column), inputs=plot_column_dropdown)
         with gr.TabItem("MMLU-Pro-Hy"):
             gr.Markdown("# MMLU-Pro Translated to Armenian (MMLU-Pro-Hy)")
-            gr.Markdown("### This benchmark contains results of various Language Models on the MMLU-Pro benchmark, translated into Armenian. MMLU-Pro is a massive multi-task test in MCQA format. The scores represent accuracy.")
-            # gr.Markdown("### Այս աղյուսակը պարունակում է տարբեր լեզվական մոդելների արդյունքները MMLU-Pro թեսթի համար, որը թարգմանվել է հայերեն: MMLU-Pro-ն իրենից ներկայացնում է : Միավորները ներկայացնում են ճշգրտությունը:")
-
+            gr.HTML(f"""
+                <div style="font-size: 16px;">
+                    This benchmark contains results of various Language Models on the MMLU-Pro benchmark, translated into Armenian. MMLU-Pro is a massive multi-task test in MCQA format. The scores represent accuracy.
+                </div>
+            """)
             table_output_mmlu = gr.DataFrame(value=lambda: display_table("MMLU-Pro-Hy"))
-            subject_cols = ['Biology', 'Business', 'Chemistry', 'Computer Science', 'Economics', 'Engineering', 'Health', 'History', 'Law', 'Math', 'Other', 'Philosophy', 'Physics', 'Psychology', 'Average']
+            subject_cols = ['Average','Biology', 'Business', 'Chemistry', 'Computer Science', 'Economics', 'Engineering', 'Health', 'History', 'Law', 'Math', 'Philosophy', 'Physics', 'Psychology','Other']
             plot_column_dropdown_mmlu = gr.Dropdown(choices=subject_cols, value='Average', label='Select Column to Plot')
             plot_output_mmlu = gr.Plot(lambda column: create_bar_chart("MMLU-Pro-Hy", column), inputs=plot_column_dropdown_mmlu)
-
 app.launch(share=True, debug=True)