Machine Unlearning on WMDP-chem 1.0 (test) benchmark leaderboard · SOTA2 Research

Machine Unlearning on WMDP-chem 1.0 (test)

0.56BF16Zero-shot

Evaluation Results

Method	Links
Zero-shot2026.05		0.56	0.56	0	—	0.741
Zero-shot2026.05		0.541	0.541	0	—	0.657
NPO2026.05		0.521	0.514	0.007	0.518	0.621
SimNPO2026.05		0.517	0.527	0.01	0.511	0.628
GU+SimNPO2026.05		0.514	0.521	0.007	0.509	0.628
Zero-shot2026.05		0.503	0.503	0	—	0.61
Global GA2026.05		0.493	0.473	0.02	0.491	0.55
NPO2026.05		0.483	0.478	0.005	0.491	0.584
GU+SimNPO2026.05		0.475	0.49	0.015	0.481	0.594
SimNPO2026.05		0.475	0.493	0.018	0.477	0.593
NPO2026.05		0.442	0.425	0.017	0.44	0.505
SimNPO2026.05		0.442	0.393	0.048	0.449	0.505
Zero-shot2026.05		0.437	0.437	0	—	0.538
GU+SimNPO2026.05		0.437	0.395	0.042	0.445	0.503
Surgical GA2026.05		0.427	0.423	0.003	0.426	0.525
MANSU2026.05		0.334	0.304	0.03	0.434	0.641
MANSU2026.05		0.333	0.307	0.027	0.398	0.584
Surgical GA2026.05		0.313	0.317	0.003	0.398	0.557
MANSU2026.05		0.311	0.284	0.027	0.404	0.594
MANSU2026.05		0.307	0.274	0.033	0.364	0.714
MANSU2026.05		0.274	0.251	0.023	0.368	0.518
GU+SimNPO2026.05		0.273	0.273	0	0.231	0.23
NPO2026.05		0.253	0.227	0.027	0.269	0.538
SimNPO2026.05		0.24	0.277	0.037	0.259	0.405
Global GA2026.05		0.237	0.293	0.057	0.269	0.365
NPO2026.05		0.237	0.237	0	0.296	0.515
SimNPO2026.05		0.233	0.233	0	0.241	0.195
GU+SimNPO2026.05		0.233	0.233	0	0.25	0.328