Calibration on SciKnowEval (test) benchmark leaderboard · SOTA2 Research

Calibration on SciKnowEval (test)

0.226BIO ScoreIntuitor

Evaluation Results

Method	Links
Intuitor2026.07		0.226	0.187	0.234	0.224	0.218
Intuitor2026.07		0.208	0.212	0.117	0.198	0.184
TTRL2026.07		0.204	0.208	0.123	0.192	0.182
LMSI2026.07		0.202	0.225	0.111	0.179	0.179
Qwen3-4B base2026.07		0.195	0.213	0.095	0.173	0.169
N-OPSD2026.07		0.193	0.207	0.114	0.171	0.171
TTRL2026.07		0.186	0.187	0.204	0.199	0.194
N-OPSD2026.07		0.177	0.177	0.194	0.187	0.184
LMSI2026.07		0.171	0.179	0.202	0.182	0.184