Short-form generation on TriviaQA
0.87AUROCSeSE
Evaluation Results
| Method | Links | ||
|---|---|---|---|
| SeSEModel=Qwen-2-7B2025.11 | 0.87 | 0.78 | |
| SCModel=Qwen-2-72B2025.11 | 0.86 | 0.87 | |
| SGDModel=Qwen-2-7B2025.11 | 0.85 | 0.76 | |
| KLEModel=Qwen-2-7B2025.11 | 0.85 | 0.75 | |
| P(True)Model=Qwen-2-72B2025.11 | 0.84 | 0.87 | |
| P(True)Model=Qwen-2-7B2025.11 | 0.83 | 0.74 | |
| SeSEModel=Llama-3.1-70B2025.11 | 0.82 | 0.91 | |
| SEModel=Qwen-2-7B2025.11 | 0.82 | 0.73 | |
| SCModel=Llama-3.1-70B2025.11 | 0.81 | 0.91 | |
| KLEModel=Llama-3.1-70B2025.11 | 0.81 | 0.91 | |
| SeSEModel=Qwen-2-72B2025.11 | 0.79 | 0.87 | |
| SeSEModel=Llama-3.1-8B2025.11 | 0.78 | 0.73 | |
| SGDModel=Llama-3.1-70B2025.11 | 0.78 | 0.91 | |
| SCModel=Qwen-2-7B2025.11 | 0.78 | 0.72 | |
| LN-PEModel=Qwen-2-7B2025.11 | 0.78 | 0.78 | |
| KLEModel=Qwen-2-72B2025.11 | 0.78 | 0.84 | |
| P(True)Model=Llama-3.1-70B2025.11 | 0.77 | 0.9 | |
| P(True)Model=Llama-3.1-8B2025.11 | 0.76 | 0.72 | |
| KLEModel=Llama-3.1-8B2025.11 | 0.76 | 0.71 | |
| SEModel=Llama-3.1-70B2025.11 | 0.76 | 0.9 | |
| ERModel=Qwen-2-7B2025.11 | 0.76 | 0.78 | |
| SGDModel=Qwen-2-72B2025.11 | 0.76 | 0.83 | |
| LN-PEModel=Llama-3.1-70B2025.11 | 0.74 | 0.9 | |
| ERModel=Qwen-2-72B2025.11 | 0.73 | 0.83 | |
| SEModel=Qwen-2-72B2025.11 | 0.73 | 0.82 | |
| SCModel=Llama-3.1-8B2025.11 | 0.72 | 0.68 | |
| ERModel=Llama-3.1-8B2025.11 | 0.71 | 0.66 | |
| SGDModel=Llama-3.1-8B2025.11 | 0.68 | 0.66 | |
| LN-PEModel=Qwen-2-72B2025.11 | 0.68 | 0.81 | |
| LN-PEModel=Llama-3.1-8B2025.11 | 0.66 | 0.66 | |
| SEModel=Llama-3.1-8B2025.11 | 0.66 | 0.64 | |
| ERModel=Llama-3.1-70B2025.11 | 0.66 | 0.88 |