Helpful Response Evaluation on HelpSteer-2 benchmark leaderboard · SOTA2 Research

Helpful Response Evaluation on HelpSteer-2

0.03CV (Helpfulness)Gemini 2.5 Flash

Evaluation Results

Method	Links
Gemini 2.5 Flash2026.01		0.03	0.86	0.1	0.72	0.16	0.68	1.08	0.87	0.17	0.87	—	—	—	—	—	—	—	—	—	—	—	—
GPT-4o2026.01		0.08	0.84	0.11	0.76	0.24	0.67	0.16	0.89	0.04	0.83	—	—	—	—	—	—	—	—	—	—	—	—
LLaMA-4-Maverick2026.01		0.13	0.64	0.24	0.54	0.25	0.4	0.25	0.77	0.33	0.75	—	—	—	—	—	—	—	—	—	—	—	—
Qwen3-30B-A3B-instruct2026.01		0.27	0.72	0.3	0.68	0.21	0.58	0.39	0.88	0.2	0.76	—	—	—	—	—	—	—	—	—	—	—	—
LLaMA-4-Scout2026.01		0.28	0.66	0.28	0.54	0.31	0.49	0.31	0.85	0.45	0.83	—	—	—	—	—	—	—	—	—	—	—	—
GPT-4o-mini2026.01		0.3	0.67	0.12	0.6	0.4	0.54	0.3	0.81	0.21	0.74	—	—	—	—	—	—	—	—	—	—	—	—
Qwen3-235B-A22B-instruct2026.01		0.37	0.78	0.25	0.76	0.78	0.6	0.32	0.89	0.74	0.76	—	—	—	—	—	—	—	—	—	—	—	—
BoRP2026.01		—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	0.695	0.696
Gemini 2.5 Flash2026.01		—	—	—	—	—	—	—	—	—	—	1.8	0.33	1.46	0.28	1.1	0.25	1.26	0.34	1.02	0.37	—	—
Gen2026.01		—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	0.326	0.451
Gen2026.01		—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	—	0.153	0.622
GPT-4o2026.01		—	—	—	—	—	—	—	—	—	—	1.83	0.33	1.55	0.29	1.29	0.23	1.16	0.3	1.21	0.45	—	—
GPT-4o-mini2026.01		—	—	—	—	—	—	—	—	—	—	1.76	0.32	1.77	0.32	1.34	0.15	1.5	0.32	1.46	0.17	—	—
Llama-4-Maverick2026.01		—	—	—	—	—	—	—	—	—	—	1.86	0.3	1.76	0.34	1.24	0.29	1.32	0.28	1.4	0.22	—	—
Llama-4-Scout2026.01		—	—	—	—	—	—	—	—	—	—	1.65	0.31	1.75	0.34	1.2	0.21	1.4	0.3	1.33	0.23	—	—
Qwen3-235b2026.01		—	—	—	—	—	—	—	—	—	—	1.58	0.33	1.6	0.3	1.48	0.15	1.3	0.36	1.18	0.52	—	—
Qwen3-30b2026.01		—	—	—	—	—	—	—	—	—	—	1.61	0.31	1.52	0.29	1.03	0.16	1.1	0.46	0.99	0.53	—	—