Question Answering on Wikitext-10 benchmark leaderboard · SOTA2 Research

Question Answering on Wikitext-10

0.277BLEU-1Knowledge-Instruct

Evaluation Results

Method	Links
Knowledge-Instruct2026.05		0.277	0.155	0.063	0.342	0.119	0.243	0.249
Knowledge-Instruct2026.05		0.27	0.153	0.064	0.34	0.12	0.247	0.247
EmbGen2026.05		0.24	0.139	0.062	0.335	0.126	0.253	0.223
InstructLab2026.05		0.212	0.133	0.064	0.335	0.139	0.262	0.202
EmbGen2026.05		0.209	0.128	0.06	0.327	0.132	0.254	0.201
InstructLab2026.05		0.202	0.124	0.059	0.321	0.124	0.25	0.196
EntiGraph2026.05		0.2	0.092	0.03	0.264	0.07	0.187	0.169
EntiGraph2026.05		0.173	0.076	0.026	0.231	0.062	0.169	0.152
Baseline: llama 8B Instruct2026.05		0.169	0.092	0.035	0.242	0.079	0.17	0.269
Baseline: llama 8B Instruct2026.05		0.169	0.092	0.035	0.242	0.079	0.17	0.269