Clinical Report Generation on S0002 with clinical context, Unimodal + Text Only (test) benchmark leaderboard · SOTA2 Research

Clinical Report Generation on S0002 with clinical context, Unimodal + Text Only (test)

0.1912BLEU-1Qwen3-4b-instruct-2507

Evaluation Results

Method	Links
Qwen3-4b-instruct-25072026.01		0.1912	0.0218	0.269	0.0398	0.1317	0.135	0.7867	0.1622
Llama-3.2-3b-instruct2026.01		0.1651	0.0186	0.2346	0.0321	0.1221	0.1271	0.7261	0.143
Llama-3.1-8b-instruct2026.01		0.1629	0.019	0.2655	0.0424	0.1368	0.1404	0.7502	0.148
Gemma-3-4b-it2026.01		0.1538	0.0163	0.2775	0.0354	0.1407	0.144	0.7851	0.1506
Gemma-3-1b-it2026.01		0.1509	0.0158	0.233	0.0302	0.1233	0.1259	0.7058	0.1319
Meta-llama-3-8b-instruct2026.01		0.1441	0.0176	0.2588	0.0403	0.1354	0.139	0.7702	0.1416
Gemma-3n-e2b-it2026.01		0.0925	0.0115	0.2318	0.0274	0.1224	0.1254	0.7683	0.1181
Qwen3-1.7b2026.01		0.0886	0.0097	0.1189	0.0142	0.0633	0.0652	0.365	0.0735
Medgemma-4b-it2026.01		0.0865	0.0109	0.228	0.0341	0.1315	0.1345	0.7576	0.1198
Gemma-3n-e4b-it2026.01		0.0539	0.0083	0.1998	0.0281	0.1152	0.1175	0.7635	0.0993
Llama-3.2-1b-instruct2026.01		0.034	0.0036	0.0954	0.0082	0.0581	0.0596	0.5139	0.0494