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

Mathematical Reasoning on GSM8K (test) (Accuracy)

99Accuracy

No Defense

91.7293.6195.597.39Apr 19, 2024Aug 17, 2024Dec 15, 2024Apr 14, 2025Aug 12, 2025Dec 10, 2025Apr 10, 2026
Updated 5d ago

Evaluation Results

MethodLinks
2025.05
99
2025.05
99
2025.05
99
2025.05
99
2025.05
98
2025.05
98
2025.05
98
2025.05
97
2025.05
97
2025.05
97
2025.05
97
2025.05
97
2025.12
96.74
2025.11
96.5
2026.01
96.5
2026.01
96.4
2026.01
96.4
2025.05
96
2026.01
96
2026.01
96
2026.01
96
2026.04
96
2026.01
95.7
2025.12
95.53
2025.12
95.53
2026.01
95.5
2026.01
95.5
2026.01
95.2
2026.01
95.1
2026.01
95.1
2025.05
95
2025.05
95
2025.05
95
2025.05
95
2025.11
95
2026.01
94.8
2026.01
94.8
2026.01
94.8
2026.01
94.7
2024.04
94.5
2026.01
94.5
2026.03
94.47
2026.01
94.4
2026.03
94.24
2024.04
94.2
2026.01
94.2
2026.01
94.1
2026.03
94.01
2025.05
94
2025.05
94
2026.01
94
2025.11
94
2026.03
93.93
2026.01
93.9
2026.02
93.9
2026.03
93.9
2026.01
93.8
2026.01
93.6
2025.11
93.5
2026.01
93.4
2026.03
93.4
2026.03
93.36
2024.04
93.3
2024.04
93.2
2026.01
93.1
2026.01
93.1
2025.05
93
2025.05
93
2025.05
93
2025.05
93
2025.05
93
2025.05
93
2026.01
93
2026.02
93
2026.04
93
2026.02
92.95
2026.01
92.9
2026.01
92.9
2026.03
92.8
2026.03
92.8
2026.03
92.72
2026.03
92.72
2025.12
92.65
2026.03
92.64
2026.02
92.61
2024.04
92.6
2026.01
92.5
2026.02
92.46
2026.03
92.42
2026.02
92.4
2026.01
92.3
2026.01
92.2
2026.03
92.19
2026.01
92.1
2025.02
92.1
2026.01
92.1
2025.05
92
2025.05
92
2026.02
92
2025.11
92
Showing 100 of 900 rows
...