Multi-turn Editing on InstrEdit-Bench benchmark leaderboard · SOTA2 Research

Multi-turn Editing on InstrEdit-Bench

0.0914Diff-BLEU (Code)FineEdit-Pro

Evaluation Results

Method	Links
FineEdit-Pro2025.12		0.0914	0.25	0.0511	0.4446	0.2093	0.2554	0.3729	0.1008	0.5858	0.3287
FineEdit-X2025.12		0.0843	0.2077	0.0515	0.3379	0.1704	0.2077	0.3106	0.1006	0.4704	0.2723
HyperEdit (qwen-2.5-3B)2025.12		0.0809	0.3894	0.0547	0.4665	0.2479	0.2132	0.5182	0.1084	0.6083	0.362
Llama-3.2-1B2025.12		0.08	0.1991	0.0836	0.3377	0.1735	0.2093	0.3252	0.1613	0.4711	0.2917
Llama-3.2-3B2025.12		0.0772	0.2187	0.0898	0.3222	0.177	0.2124	0.3493	0.1731	0.4581	0.2982
Qwen-2.5-3B-Instruct2025.12		0.0631	0.1934	0.0374	0.3822	0.169	0.1677	0.3056	0.084	0.5124	0.2674
Qwen-3-8B2025.12		0.0524	0.2022	0.0372	0.3925	0.1711	0.1444	0.3117	0.0753	0.528	0.2649
Llama-3.1-8B-Instruct2025.12		0.0506	0.1869	0.0267	0.2989	0.1408	0.1496	0.2965	0.0602	0.4219	0.2321