List your company

Hallucination Evaluation on HaluEval (Avg. Metric)

100Accuracy (ACC)Multi-DPOP
8790.37593.7597.125Oct 10, 2025Nov 14, 2025Dec 19, 2025Jan 23, 2026Feb 27, 2026Apr 3, 2026May 8, 2026

Evaluation results

MethodLinks
Multi-DPOPModel=Qwen3-30B2025.10100——————
Qwen3-30BTraining Variant=M-DPOP2025.10100——————
Multi-DPOPModel=Tulu-3.1-8B2025.1099.5——————
Multi-DPOPModel=Qwen3-4B2025.1099.5——————
Tulu-3.1-8BTraining Variant=M-DPOP2025.1099.5——————
Qwen3-4BTraining Variant=M-DPOP2025.1099.5——————
GPT-5.12026.0599—85.6796.9289.384.4—
Multi-DPOPModel=GLM-4-9B2025.1099——————
GLM-4-9BTraining Variant=M-DPOP2025.1099——————
Self-Detection2026.0598.67—89.297.3488.8589.83—
Multi-DPOPModel=Gemma-3-4B2025.1098.5——————
Gemma-3-4BTraining Variant=M-DPOP2025.1098.5——————
GEMINI-3.1-PRO2026.0598.33—88.6797.9589.1889.68—
MAVEN2026.0598.33—90.798.0891.2790.85—
GRPOModel=Qwen3-30B2025.1098.1——————
Qwen3-30BTraining Variant=GRPO2025.1098.1——————
Self-Discover2026.0598—88.0797.5289.1787.15—
DEEPSEEK-R12026.0598—87.5897.3589.2587.72—
GRPOModel=Tulu-3.1-8B2025.1097.5——————
Tulu-3.1-8BTraining Variant=GRPO2025.1097.5——————
DPOModel=Qwen3-30B2025.1097.3——————
GRPOModel=Qwen3-4B2025.1097.2——————
Qwen3-4BTraining Variant=GRPO2025.1097.2——————
DPOModel=Tulu-3.1-8B2025.1096.8——————
Mixture-of-Agents2026.0596.67—85.1393.988.1587.3—
ReConcile2026.0596.67—85.4494.187.7587.92—
DEEPSEEK-V3.22026.0596.33—85.9294.1887.383.85—
GRPOModel=GLM-4-9B2025.1096.2——————
GLM-4-9BTraining Variant=GRPO2025.1096.2——————
DPOModel=Qwen3-4B2025.1096.1——————
GRPOModel=Gemma-3-4B2025.1095.8——————
Gemma-3-4BTraining Variant=GRPO2025.1095.8——————
DPOModel=GLM-4-9B2025.1095.4——————
DPOModel=Gemma-3-4B2025.1094.6——————
SFTModel=Qwen3-30B2025.1094.5——————
SFTModel=Tulu-3.1-8B2025.1093.2——————
LMVSLM2026.0593—88.3794.8787.1489.45—
SFTModel=Qwen3-4B2025.1092.8——————
SFTModel=GLM-4-9B2025.1092.1——————
SFTModel=Gemma-3-4B2025.1091.4——————
BaseModel=Qwen3-30B2025.1091.2——————
Qwen3-30BTraining Variant=Base2025.1091.2——————
Multi-LLM Collab2026.0591—88.4393.1586.8889.85—
BaseModel=Tulu-3.1-8B2025.1090——————
Tulu-3.1-8BTraining Variant=Base2025.1090——————
BaseModel=Qwen3-4B2025.1089.1——————
Qwen3-4BTraining Variant=Base2025.1089.1——————
BaseModel=GLM-4-9B2025.1088.3——————
GLM-4-9BTraining Variant=Base2025.1088.3——————
BaseModel=Gemma-3-4B2025.1087.5——————
Gemma-3-4BTraining Variant=Base2025.1087.5——————
BaseModel=Qwen3-4B2026.05——————0
Claude Opus 4.6Latency (s)=4.12026.04—16.7—————
Council ModeLatency (s)=8.42026.04—10.7—————
DeepSeek V3.2Latency (s)=5.62026.04—22.2—————
DFTModel=Qwen3-4B2026.05——————7.6
FINCHModel=Qwen3-4B2026.05——————0.6
FLOWModel=Qwen3-4B2026.05——————15.5
Gemini 3.1 ProLatency (s)=2.82026.04—20.1—————
GPT-5.4Latency (s)=3.22026.04—19.1—————
L2 RegModel=Qwen3-4B2026.05——————39.9
LoRAModel=Qwen3-4B2026.05——————1.6
Seed 2.0 ProLatency (s)=3.82026.04—23.5—————
SFTModel=Qwen3-4B2026.05——————15.3
STMModel=Qwen3-4B2026.05——————0.6
TALRModel=Qwen3-4B2026.05——————0.4
WiSE-FTModel=Qwen3-4B2026.05——————14.5