Reward Modeling Suitability Evaluation on RM Bench Math

-0.077EFSOLAR-10.7B-Instruct-v1.0

Evaluation results

Method
SOLAR-10.7B-Instruct-v1.02025.11	-0.077	0.01	-0.039	-0.065	-0.001	-0.047	-0.032	-0.033	-0.002	0.011
FsfairX-LLaMA3-RM-v0.12025.11	-0.077	0	-0.043	-0.118	0.144	-0.076	-0.131	-0.06	0.135	0.016
Eurus-RM-7b2025.11	-0.057	-0.059	0.001	-0.007	-0.009	-0.031	-0.04	0.015	0.061	0.014
GRM-Llama3-8B-rewardmodel-ft2025.11	-0.038	0.033	-0.044	-0.07	0.106	-0.013	-0.076	-0.045	0.036	-0.003
Llama3-8B-IDRM2025.11	-0.034	-0.095	-0.041	-0.037	0.108	-0.065	-0.115	-0.047	0.014	-0.069
internlm2-1 8b-reward2025.11	-0.031	-0.064	0.05	0.007	0.014	-0.079	-0.065	0.037	0.067	-0.013
Qwen3-8B2025.11	-0.021	0.007	0.012	-0.023	0.009	-0.004	0.019	0.128	-0.025	-0.011
Starling-RM-34B2025.11	0.001	0.013	-0.016	-0.08	-0.057	-0.027	-0.023	-0.063	-0.006	-0.069
Llama-3.1-70B-Instruct2025.11	0.009	0.089	-0.079	0.048	0.098	-0.12	0.074	0.021	0.047	-0.021
URM-LLaMa-3.1-8B2025.11	0.01	-0.049	-0.019	-0.002	0.063	-0.026	-0.089	-0.029	0.027	-0.015
Llama-3-OffsetBias-RM-8B2025.11	0.018	0.05	0.06	0.024	0.109	-0.05	-0.044	-0.013	0.043	0.028
Qwen2.5-72B-Instruct2025.11	0.023	0.011	-0.029	0.005	-0.008	0.013	0.033	-0.031	0.008	-0.125
Skywork-Reward-Gemma-2-27B2025.11	0.028	0.023	-0.075	-0.052	0.003	0.014	0.026	0.089	-0.083	-0.004
UltraRM-13b2025.11	0.035	0.051	0.045	-0.01	0.007	-0.057	-0.066	0.016	0.007	0.02
GRM-llama3-8B-distill2025.11	0.038	-0.005	-0.025	-0.003	0.149	-0.003	-0.066	0.012	0.074	0.031
tulu-2-dpo-13b2025.11	0.041	-0.027	-0.032	-0.03	0.017	0.04	0.018	-0.013	-0.08	0.045
Skywork-Reward-Llama-3.1-8B2025.11	0.047	0.016	0.015	-0.003	0.056	-0.065	-0.046	0.005	0.019	0.003
ArmoRM-Llama3-8B-v0.12025.11	0.049	0.05	0.081	-0.01	0.043	0.027	-0.094	-0.042	0.096	0.036
Skywork-Reward-Llama-3.1-8B-v0.22025.11	0.05	-0.037	0.031	-0.017	0.05	-0.088	-0.064	0.006	0.044	-0.016
URM-LLaMa-3-8B2025.11	0.054	-0.017	-0.017	-0.034	0.044	-0.033	-0.038	-0.037	0.067	-0.055
GRM-llama3-8B-sftreg2025.11	0.067	-0.01	0.008	-0.01	0.148	-0.027	-0.083	0.009	0.066	0.001
Skywork-Reward-V2-Qwen3-8B2025.11	0.067	0.06	0.095	0.099	0.105	-0.078	-0.111	0.011	-0.034	-0.016
Skywork-Reward-Gemma-2-27B-v0.22025.11	0.071	0.055	0.081	0.097	0.047	0.076	0.041	0.122	0.124	0.084
Skywork-Reward-V2-Llama-3.1-8B2025.11	0.093	0.007	0.035	0.032	0.22	-0.098	-0.097	0.228	0.268	0.235
internlm2-20b-reward2025.11	0.123	-0.028	0.183	0.212	0.186	-0.018	-0.16	0.039	0.176	0.049
internlm2-7b-reward2025.11	0.154	0.097	0.227	0.214	0.191	-0.077	-0.25	0.017	0.129	0.032