Our new X account is live! Follow @wizwand_team for updates

Agentic Oversight on Deceivers

96.92Detection Accuracy

FORMALJUDGE

Updated 4d ago

Evaluation Results

Method	Links
FORMALJUDGE 2026.02		96.92
FORMALJUDGE 2026.02		96.8
FORMALJUDGE 2026.02		94.16
FORMALJUDGE 2026.02		93.51
FORMALJUDGE 2026.02		92.91
FORMALJUDGE 2026.02		91.96
FORMALJUDGE 2026.02		89.64
LLM + Python 2026.02		80.23
LLM + Struct. 2026.02		79.45
LLM + Python 2026.02		77.56
LLM + Struct. 2026.02		76.89
LLM + Python 2026.02		75.42
LLM + Few-Shot 2026.02		75.12
LLM + Struct. 2026.02		74.67
LLM + Python 2026.02		74.51
LLM + Struct. 2026.02		73.62
LLM + CoT 2026.02		72.86
LLM + Few-Shot 2026.02		72.68
LLM + Python 2026.02		72.67
LLM + Python 2026.02		72.34
LLM + Struct. 2026.02		71.83
LLM + Struct. 2026.02		71.58
LLM 2026.02		71.34
LLM + CoT 2026.02		70.41
LLM + Few-Shot 2026.02		70.35
LLM + Python 2026.02		70.18
LLM + Struct. 2026.02		69.24
LLM 2026.02		68.92
LLM + Few-Shot 2026.02		68.47
LLM + CoT 2026.02		68.24
LLM + Few-Shot 2026.02		67.42
LLM + Few-Shot 2026.02		66.83
LLM 2026.02		66.57
LLM + CoT 2026.02		65.73
LLM + Few-Shot 2026.02		64.91
LLM + CoT 2026.02		64.89
LLM 2026.02		64.19
LLM + CoT 2026.02		64.12
LLM 2026.02		63.21
LLM + CoT 2026.02		62.58
LLM 2026.02		62.47
LLM 2026.02		60.83