Coreference Resolution on WinoBias syntax-type-2 benchmark leaderboard · SOTA2 Research

Coreference Resolution on WinoBias syntax-type-2

0.154ECEFalcon3-7B

Evaluation Results

Method	Links
Falcon3-7B2026.01		0.154	0.452	0.357	0.487	0.149	0.16	0.138	0.684
GPT-J-6B2026.01		0.157	0.444	0.356	0.481	0.164	0.15	0.179	0.686
Llama-3.1-8B2026.01		0.193	0.46	0.377	0.46	0.214	0.179	0.249	0.662
Qwen2.5-7B2026.01		0.234	0.442	0.362	0.51	0.19	0.259	0.121	0.63
DeepSeek-8B2026.01		0.24	0.478	0.382	0.496	0.218	0.255	0.182	0.648
Gemma-2-9B2026.01		0.429	0.49	0.482	0.467	0.297	0.438	0.156	0.509