Share your thoughts, 1 month free Claude Pro on usSee more
WorkDL logo mark

MuSiQue

Benchmarks

Task NameDataset NameSOTA ResultTrend
Multi-hop Question AnsweringMusique
EM46
209
Multi-hop Question AnsweringMuSiQue (test)
F155.68
151
Multi-hop QAMuSiQue
EM77.2
95
Question AnsweringMuSiQue (test)
EM48
85
Question AnsweringMuSiQue
EM39.6
84
Question AnsweringMuSiQue
F1 Score50
80
Question AnsweringMuSiQue
F1 Score52.27
79
Question AnsweringMusique
EM22.92
71
Uncertainty QuantificationMusique 500 randomly sampled queries (test)
AUROC0.8322
70
Question AnsweringMusique
EM26
62
Document RetrievalMuSiQue (test)
Per-query Final Recall64
61
Multi-Hop Question AnsweringMuSiQue
Exact Match (EM)25.3
58
Question AnsweringMuSiQue
EM39.7
57
Open-domain Question AnsweringMusiQue out-of-domain
F135.8
57
Question AnsweringMuSiQue
F1 Score81.3
54
Multi-Hop Question AnsweringMuSiQue
Exact Match (EM)22.6
51
Knowledge-intensive ReasoningMusique
Accuracy87
51
Multi-hop Question AnsweringMuSiQue
EM40
50
Multi-hop Question AnsweringMusiQue
EM36.8
50
Multi-hop ReasoningMuSiQue
Accuracy51
48
RetrievalMusique
F1 Score28.91
45
Multi-hop Question AnsweringMuSiQue
String Accuracy48.4
44
Knowledge-Intensive ReasoningMuSiQue
F1 Score34.8
43
Question AnsweringMuSiQue (held-out)
F1 Score57.7
42
Multi-hop QA RetrievalMuSiQue (test)
R@581.46
42
Showing 25 of 293 rows
...