Factuality Hallucination Evaluation on LongFact (test) benchmark leaderboard · SOTA2 Research

Factuality Hallucination Evaluation on LongFact (test)

100Response ScoreVanilla

Evaluation Results

Method	Links
Vanilla2025.02		100	17.1	85.8	80.3	83.1	—	—	—	—	—
FLAME-DPO fact2025.02		100	15.6	88.3	81.2	84.8	—	—	—	—	—
SELF-EVAL2025.02		100	16.9	87.8	81	84.4	—	—	—	—	—
IFD2025.02		100	21	87.2	80.5	83.9	—	—	—	—	—
CaR2025.02		100	16.2	86.6	79.1	82.9	—	—	—	—	—
Nuggets2025.02		100	18.3	88.6	81.2	84.9	—	—	—	—	—
NOVA2025.02		100	17.9	92.4	82.7	87.6	—	—	—	—	—
IFD2025.02		100	20.5	86.3	79.2	82.8	—	—	—	—	—
CaR2025.02		100	24.3	87.1	81.3	84.2	—	—	—	—	—
Nuggets2025.02		100	27.1	86.7	80.4	83.6	—	—	—	—	—
NOVA2025.02		100	18.4	89.1	81.6	85.4	—	—	—	—	—
IFD2025.02		100	19.4	84.7	80.7	82.7	—	—	—	—	—
CaR2025.02		100	20.9	86.4	78	82.2	—	—	—	—	—
Nuggets2025.02		100	23.4	86.5	80.1	83.3	—	—	—	—	—
NOVA2025.02		100	18.7	88.1	82.1	85.1	—	—	—	—	—
Vanilla2025.02		100	32	84.7	80.4	82.6	—	—	—	—	—
FLAME-DPO fact2025.02		100	27.6	87.3	84.1	85.7	—	—	—	—	—
SELF-EVAL2025.02		100	31.6	86.7	83.7	85.2	—	—	—	—	—
IFD2025.02		100	39.2	84.4	79.6	82	—	—	—	—	—
CaR2025.02		100	41.1	86.2	81.1	83.7	—	—	—	—	—
Nuggets2025.02		100	42.3	87	82.3	84.7	—	—	—	—	—
NOVA2025.02		100	33.8	90.1	85.2	87.7	—	—	—	—	—
IFD2025.02		100	39.2	86.5	77.8	82.2	—	—	—	—	—
CaR2025.02		100	38	87.1	78.3	82.7	—	—	—	—	—
Nuggets2025.02		100	35.7	88.2	80.1	84.2	—	—	—	—	—
NOVA2025.02		100	32.3	90.6	81.8	86.2	—	—	—	—	—
IFD2025.02		100	32.2	85.2	80.3	82.8	—	—	—	—	—
CaR2025.02		100	33.6	85.8	81.5	83.7	—	—	—	—	—
Nuggets2025.02		100	34.5	86.1	80.7	83.4	—	—	—	—	—
NOVA2025.02		100	32.1	88	82.5	85.3	—	—	—	—	—
Entropy2025.12		—	—	—	—	—	0.5124	10.76	—	—	—
Linear Probe2025.12		—	—	—	—	—	0.9022	68.91	90.22	88.29	52.8
MLP Probe2025.12		—	—	—	—	—	0.9528	70.24	95.28	89.02	57.15
Perplexity2025.12		—	—	—	—	—	0.4623	8.79	—	—	—