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

Mean Reward on ScienceWorld

0.319Mean Reward

Trunc

0.081880.143440.2050.26656May 26, 2026
Updated 7d ago

Evaluation Results

MethodLinks
2026.05
0.319107
2026.05
0.298-
2026.05
0.285124
2026.05
0.23-
2026.05
0.22999
2026.05
0.21773
2026.05
0.21593
2026.05
0.2191
2026.05
0.20689
2026.05
0.201103
2026.05
0.18863
2026.05
0.173-
2026.05
0.17274
2026.05
0.16872
2026.05
0.16484
2026.05
0.16495
2026.05
0.16182
2026.05
0.15690
2026.05
0.15589
2026.05
0.154117
2026.05
0.14764
2026.05
0.14775
2026.05
0.14675
2026.05
0.146111
2026.05
0.144110
2026.05
0.132100
2026.05
0.12998
2026.05
0.11458
2026.05
0.11449
2026.05
0.09169