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

Bias Evaluation on Task 2 Persona D

0.007BAD Score

DeepSeek-R1

Updated 9d ago

Evaluation Results

Method	Links
DeepSeek-R1 2026.03		0.007
DeepSeek-R1 2026.03		0.009
LLaMA-4 2026.03		0.01
LLaMA-4 2026.03		0.018
LLaMA-4 2026.03		0.02
Gemma-3n E4B 2026.03		0.023
Claude 4.o Sonnet 2026.03		0.034
LLaMA-4 2026.03		0.037
GPT-4o 2026.03		0.038
DeepSeek-R1 2026.03		0.04
Gemma-3n E4B 2026.03		0.041
Claude 4.o Sonnet 2026.03		0.051
GPT-4o 2026.03		0.063
Claude 4.o Sonnet 2026.03		0.063
Claude 4.o Sonnet 2026.03		0.065
Gemma-3n E4B 2026.03		0.072
Gemma-3n E4B 2026.03		0.076
LLaMA-4 2026.03		0.077
Claude 4.o Sonnet 2026.03		0.077
Gemma-3n E4B 2026.03		0.081
DeepSeek-R1 2026.03		0.095
GPT-4o 2026.03		0.129
GPT-4o 2026.03		0.13
DeepSeek-R1 2026.03		0.146
GPT-4o 2026.03		0.153