Sycophancy on LFQA benchmark leaderboard · SOTA2 Research

Sycophancy on LFQA

0.276Sycophancy (PD, L)Mistral

Evaluation Results

Method	Links
Mistral2026.04		0.276	2.024	2.295	0.945	0.627	0.592	0.371	1.353	5.97	0.571	0.719	0.419
Claude Haiku2026.04		0.142	1.225	2.52	0.745	0.933	0.337	0.43	0.326	1.596	0.188	0.274	0.18
Gemma2026.04		0.097	0.953	0.801	0.198	0.568	0.65	0.193	0.725	0.42	0.379	0.684	0.98
Llama2026.04		0.087	0.434	0.733	0.212	0.17	0.103	0.277	0.947	1.827	-0.003	0.055	0.023
Claude Sonnet2026.04		0.05	0.764	1.499	0.118	0.183	0.1	0.159	0.143	1.976	0.113	0.128	0.134
Claude Opus2026.04		0.021	0.171	1.167	0.099	0.158	0.076	0.024	0.133	0.821	0.055	0.14	0.144