Hazard Detection on Laboratory Safety Monitoring Overall 1.0 (test)

0PE (%)llava-next-7B

Evaluation results

Method
llava-next-7B2026.01	0	0	0	0	0.55
llava-next-7B2026.01	0	1	0.06	0.11	0.53
llava-next-7B2026.01	0	1	0.06	0.11	0.53
qwen3-8B2026.01	0	0.98	0.52	0.68	0.36
qwen3-8B2026.01	0	0.98	0.83	0.9	0.23
llama-3.2-11B2026.01	0	0.64	0.97	0.77	1.35
llama-3.2-11B2026.01	0	0.86	0.9	0.88	0.24
claude-sonnet-4.52026.01	0	0.94	0.47	0.62	0.39
qwen3-8B2026.01	0.08	0.79	0.97	0.87	0.37
claude-sonnet-4.52026.01	0.08	0.73	0.68	0.7	0.45
gemini-1.5-flash2026.01	0.08	0.87	0.97	0.92	0.27
gemini-1.5-pro2026.01	0.08	0.95	0.98	0.96	0.13
qwen3-8B2026.01	0.17	0.99	0.78	0.87	0.26
gemini-1.5-flash2026.01	0.17	0.85	0.85	0.85	0.37
gemini-1.5-flash2026.01	0.25	0.97	0.94	0.96	0.13
gemini-1.5-pro2026.01	0.25	0.96	0.96	0.96	0.14
gemini-1.5-flash2026.01	0.33	0.92	0.98	0.95	0.21
qwen3-8B2026.01	0.34	0.92	0.95	0.93	0.21
gemini-1.5-flash2026.01	0.41	0.89	0.97	0.92	0.24
gemini-1.5-pro2026.01	0.42	0.81	0.9	0.85	0.37
gemini-1.5-pro2026.01	0.58	0.95	0.94	0.95	0.21
gemini-1.5-pro2026.01	0.83	0.93	0.95	0.94	0.22
gemini-1.5-pro2026.01	1.08	0.87	0.86	0.86	0.33
gemini-1.5-flash2026.01	1.42	0.8	0.9	0.85	0.38
llama-3.2-11B2026.01	3.32	0.54	0.94	0.69	0.56
claude-sonnet-4.52026.01	5.14	0.85	0.84	0.84	0.27
claude-sonnet-4.52026.01	5.39	0.87	0.85	0.86	0.26
qwen3-8B2026.01	5.55	0.8	0.76	0.78	0.45
claude-sonnet-4.52026.01	5.71	0.89	0.98	0.93	0.23
claude-sonnet-4.52026.01	5.88	0.92	0.95	0.94	0.16
llama-3.2-11B2026.01	6.06	0.77	0.82	0.79	0.36
llava-next-7B2026.01	6.53	1	0.37	0.54	0.42
llava-next-7B2026.01	6.61	0.77	0.68	0.72	0.62
mistral-medium-32026.01	9.67	0.99	0.44	0.61	0.41
mistral-medium-32026.01	9.67	0.98	0.83	0.9	0.23
mistral-medium-32026.01	9.75	0.83	0.6	0.69	0.42
mistral-medium-32026.01	9.75	0.68	0.99	0.81	0.67
mistral-medium-32026.01	9.75	0.88	0.97	0.92	0.17
mistral-medium-32026.01	9.83	0.96	0.83	0.89	0.23
llava-next-7B2026.01	31.89	0.74	0.13	0.22	0.55
llama-3.2-11B2026.01	58.28	0.79	0.31	0.43	0.51
llama-3.2-11B2026.01	97.1	0.62	0.84	0.71	0.9