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

Temporal Question Answering on TimeQA Hard v1

0.504R-1

CoT+RL pipeline

Updated 3mo ago

Evaluation Results

Method	Links
CoT+RL pipeline 2026.02		0.504	0.395	0.504	0.681	35.75
CoT+RL pipeline 2026.02		0.411	0.31	0.41	0.626	25.26
SFT 2026.02		0.374	0.232	0.373	0.552	1.96
SFT 2026.02		0.37	0.18	0.365	0.54	0.37
SFT 2026.02		0.315	0.178	0.314	0.518	3.95
SFT 2026.02		0.311	0.184	0.311	0.524	1.41
SFT 2026.02		0.31	0.174	0.307	0.507	0.26
SFT 2026.02		0.271	0.164	0.269	0.484	0.32
SFT 2026.02		0.267	0.18	0.267	0.462	0.39
LoRA (r=32) 2026.02		0.246	0.153	0.243	0.467	2.37
SFT 2026.02		0.225	0.12	0.225	0.47	0.13
Classifier 2026.02		0.138	0.128	0.137	0.357	12.4