Numerical Tasks on ZEPHYRUSBENCH
0SAE Q25ZEPHYRUS-REFLECTIVE
Evaluation results
| Method | Links | ||||
|---|---|---|---|---|---|
| ZEPHYRUS-REFLECTIVELLM=gpt-5.22025.10 | 0 | 0.02 | 0.09 | 0.95 | |
| ZEPHYRUS-DIRECTLLM=gpt-5.22025.10 | 0 | 0.01 | 0.08 | 472.8 | |
| ZEPHYRUS-REFLECTIVELLM=gpt-5-mini2025.10 | 0 | 0 | 0.06 | 0.96 | |
| ZEPHYRUS-DIRECTLLM=gpt-5-mini2025.10 | 0 | 0 | 0.07 | 0.94 | |
| ZEPHYRUS-REFLECTIVELLM=gemini-2.5-flash2025.10 | 0 | 0.02 | 0.14 | 5.38 | |
| ZEPHYRUS-DIRECTLLM=gemini-2.5-flash2025.10 | 0 | 0.02 | 0.09 | 1 | |
| ZEPHYRUS-REFLECTIVELLM=gpt-oss-120b2025.10 | 0 | 0.03 | 0.12 | 1.56 | |
| ZEPHYRUS-DIRECTLLM=gpt-oss-120b2025.10 | 0 | 0.03 | 0.11 | 1.27 | |
| ZEPHYRUS-REFLECTIVELLM=qwen3-30b2025.10 | 0 | 0.02 | 0.13 | 9.7 | |
| ZEPHYRUS-DIRECTLLM=qwen3-30b2025.10 | 0 | 0.03 | 0.18 | 18.1 | |
| Text Only LLMLLM=gpt-5-mini2025.10 | 0.23 | 0.32 | 0.59 | 4.87 | |
| Text Only LLMLLM=qwen3-30b2025.10 | 0.23 | 0.49 | 7.25 | 165,992 | |
| Text Only LLMLLM=gpt-5.22025.10 | 0.24 | 0.33 | 0.67 | 17.5 | |
| Text Only LLMLLM=gemini-2.5-flash2025.10 | 0.24 | 0.34 | 0.93 | 77.4 | |
| Text Only LLMLLM=gpt-oss-120b2025.10 | 0.24 | 0.3 | 0.37 | 9.03 |