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

Performance Estimation on MMLU

0.002MAE

BQ-SF

-0.00060.016950.03450.05205Apr 25, 2026
Updated 1mo ago

Evaluation Results

MethodLinks
2026.04
0.002
2026.04
0.002
2026.04
0.004
2026.04
0.004
2026.04
0.005
2026.04
0.006
2026.04
0.007
2026.04
0.008
2026.04
0.01
2026.04
0.01
2026.04
0.01
2026.04
0.013
2026.04
0.013
2026.04
0.014
2026.04
0.015
2026.04
0.018
2026.04
0.018
2026.04
0.022
2026.04
0.022
2026.04
0.024
2026.04
0.024
2026.04
0.025
2026.04
0.026
2026.04
0.026
2026.04
0.026
2026.04
0.028
2026.04
0.029
2026.04
0.03
2026.04
0.03
2026.04
0.034
2026.04
0.034
2026.04
0.035
2026.04
0.036
2026.04
0.036
2026.04
0.036
2026.04
0.037
2026.04
0.037
2026.04
0.037
2026.04
0.037
2026.04
0.039
2026.04
0.039
2026.04
0.039
2026.04
0.039
2026.04
0.039
2026.04
0.04
2026.04
0.04
2026.04
0.04
2026.04
0.041
2026.04
0.042
2026.04
0.042
2026.04
0.042
2026.04
0.043
2026.04
0.044
2026.04
0.046
2026.04
0.046
2026.04
0.047
2026.04
0.048
2026.04
0.049
2026.04
0.049
2026.04
0.05
2026.04
0.05
2026.04
0.052
2026.04
0.052
2026.04
0.052
2026.04
0.053
2026.04
0.053
2026.04
0.053
2026.04
0.054
2026.04
0.054
2026.04
0.054
2026.04
0.054
2026.04
0.055
2026.04
0.055
2026.04
0.055
2026.04
0.055
2026.04
0.056
2026.04
0.057
2026.04
0.057
2026.04
0.057
2026.04
0.058
2026.04
0.058
2026.04
0.058
2026.04
0.058
2026.04
0.058
2026.04
0.058
2026.04
0.058
2026.04
0.059
2026.04
0.059
2026.04
0.06
2026.04
0.061
2026.04
0.061
2026.04
0.061
2026.04
0.062
2026.04
0.063
2026.04
0.064
2026.04
0.065
2026.04
0.066
2026.04
0.066
2026.04
0.067
2026.04
0.067
Showing 100 of 198 rows