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

Multi-task Language Understanding on MMLU

99.7Accuracy

M2CL

Updated 4d ago

Evaluation Results

Method
M2CL 2026.02	99.7	-	-	-	-	-	-
M2CL 2026.02	99.1	-	-	-	-	-	-
MacNet 2026.02	98	-	-	-	-	-	-
M2CL 2026.02	97.5	-	-	-	-	-	-
M2CL 2026.02	96.8	-	-	-	-	-	-
M2CL 2026.02	96.3	-	-	-	-	-	-
GPTSwarm 2026.02	95.7	-	-	-	-	-	-
M2CL 2026.02	95.4	-	-	-	-	-	-
DyLAN 2026.02	95.4	-	-	-	-	-	-
MacNet 2026.02	95.3	-	-	-	-	-	-
M2CL 2026.02	95.1	-	-	-	-	-	-
DyLAN 2026.02	95.1	-	-	-	-	-	-
GPTSwarm 2026.02	94.3	-	-	-	-	-	-
M2CL 2026.02	93.7	-	-	-	-	-	-
MacNet 2026.02	93.7	-	-	-	-	-	-
GPTSwarm 2026.02	93.6	-	-	-	-	-	-
DyLAN 2026.02	93.5	-	-	-	-	-	-
M2CL 2026.02	92.7	-	-	-	-	-	-
M2CL 2026.02	92.5	-	-	-	-	-	-
DyLAN 2026.02	91.5	-	-	-	-	-	-
GPTSwarm 2026.02	91.5	-	-	-	-	-	-
Interfaze-Beta 2026.02	91.38	-	-	-	-	-	-
Debate 2026.02	91.2	-	-	-	-	-	-
MacNet 2026.02	90.8	-	-	-	-	-	-
GPT-4.1 2026.02	90.2	-	-	-	-	-	-
DyLAN 2026.02	90.2	-	-	-	-	-	-
GPTSwarm 2026.02	90.2	-	-	-	-	-	-
Debate 2026.02	90	-	-	-	-	-	-
Claude 3.5 Sonnet 2024.07	89.9	-	-	-	-	-	-
Average human expert 2022.10	89.8	-	-	-	-	-	-
KALE 2026.01	89.44	-	-	-	-	-	-
Gemini 2.5 Pro 2026.02	89.2	-	-	-	-	-	-
GPT-4o 2024.07	89.1	-	-	-	-	-	-
Claude Opus 4 2026.02	89	-	-	-	-	-	-
Claude Sonnet 4 2026.02	88.8	-	-	-	-	-	-
GPT-4o 2024.07	88.7	-	-	-	-	-	-
Llama 3 405B 2024.07	88.6	-	-	-	-	-	-
Claude 3.5 Sonnet 2024.07	88.3	-	-	-	-	-	-
Llama 3 405B 2024.07	87.3	-	-	-	-	-	-
G-Designer 2025.11	87.2	-	-	-	-	-	-
GPTSwarm 2026.02	87	-	-	-	-	-	-
DyLAN 2026.02	86.8	-	-	-	-	-	-
BiRouter 2025.11	86.8	-	-	-	-	-	-
DeepSeek-V3.2 2026.01	86.73	-	-	-	-	-	-
Debate 2026.02	86.6	-	-	-	-	-	-
Llama 3 70B 2024.07	86	-	-	-	-	-	-
SFT 2026.01	85.56	-	-	-	-	-	-
GPT-4 (0125) 2024.07	85.4	-	-	-	-	-	-
GPT-4 (0125) 2024.07	85.1	-	-	-	-	-	-
MacNet 2026.02	85.1	-	-	-	-	-	-
GPT-4o 2026.01	85.08	-	-	-	-	-	-
SE-GPT 2024.07	85	-	-	-	-	-	-
DyLAN 2026.02	85	-	-	-	-	-	-
BF16 2026.02	84.86	-	-	-	-	-	-
HiF4 2026.02	84.77	-	-	-	-	-	-0.09
NVFP4+PTS 2026.02	84.72	-	-	-	-	-	-0.14
NVFP4 2026.02	84.31	-	-	-	-	-	-0.55
BoN 2026.02	84.2	-	-	-	-	-	-
BoN 2026.02	84.2	-	-	-	-	-	-
MacNet 2026.02	83.8	-	-	-	-	-	-
Vanilla 2026.01	83.61	-	-	-	-	-	-
Llama 3 70B 2024.07	83.6	-	-	-	-	-	-
Self-EXP 2024.07	83.4	-	-	-	-	-	-
GPT-4 2024.03	83	-	-	-	-	-	-
BoN 2026.02	83	-	-	-	-	-	-
BoN 2026.02	83	-	-	-	-	-	-
MacNet 2025.11	82.98	-	-	-	-	-	-
Ans. Aug 2026.01	82.9	-	-	-	-	-	-
GPTSwarm 2025.11	82.8	-	-	-	-	-	-
Debate 2026.02	82.7	-	-	-	-	-	-
Nemotron 4 340B 2024.07	82.6	-	-	-	-	-	-
Zero-shot-CoT 2024.07	82.2	-	-	-	-	-	-
Debate 2026.02	82.2	-	-	-	-	-	-
DyLAN 2026.02	82.1	-	-	-	-	-	-
MacNet 2026.02	82	-	-	-	-	-	-
Llama 70B 2026.02	81.78	-	-	-	-	-	-
MacNet 2026.02	81.7	-	-	-	-	-	-
M2CL 2026.02	81.5	-	-	-	-	-	-
LLM-Blender 2025.11	81.22	-	-	-	-	-	-
Flan-PaLM 2 (L) 2023.05	81.2	-	-	-	-	-	-
AUTOIF (Qwen2-72B-Instruct w/ Online DPO) 2024.06	81.2	-	-	-	-	-	-
Know. Aug 2026.01	81.1	-	-	-	-	-	-
ComplexCoT 2025.11	81.05	-	-	-	-	-	-
LLM-Debate 2025.11	81.04	-	-	-	-	-	-
SC (CoTx5) 2025.11	80.96	-	-	-	-	-	-
GPTSwarm 2026.02	80.9	-	-	-	-	-	-
Qwen2-72B-Instruct 2024.06	80.8	-	-	-	-	-	-
AUTOIF (LLaMA-3-70B w/ Online DPO) 2024.06	80.7	-	-	-	-	-	-
LLaMA3-70B-Instruct 2024.06	80.5	-	-	-	-	-	-
Cont-Squeeze 2026.02	80.17	-	-	-	-	-	-
In-Squeeze 2026.02	80.16	-	-	-	-	-	-
SAT 2026.01	80.1	-	-	-	-	-	-
No Control 2024.11	80.05	-	-	-	-	-	-
DyLAN 2025.11	79.96	-	-	-	-	-	-
Mixtral 8x22B 2024.07	79.9	-	-	-	-	-	-
DyLAN 2026.02	79.8	-	-	-	-	-	-
SAC Single-task 2024.11	79.75	-	-	-	-	-	-
In-Squeeze 2026.02	79.75	-	-	-	-	-	-
BoN 2026.02	79.7	-	-	-	-	-	-
BoN 2026.02	79.7	-	-	-	-	-	-

Showing 100 of 959 rows

...