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

Toxicity Evaluation on AttaQ

0.04Max Toxicity Score

RAD

Updated 4d ago

Evaluation Results

Method	Links
RAD 2026.01		0.04	0.033	13.22	0.1
RAD 2026.01		0.053	0.041	5.78	0.2
RAD 2026.01		0.07	0.055	2.79	0.1
RAD 2026.01		0.073	0.058	2.65	0.2
TIDE 2026.01		0.076	0.063	2.47	0
RAD 2026.01		0.077	0.061	2.56	0.4
RAD 2026.01		0.091	0.072	2.46	1.1
SASA 2026.01		0.096	0.074	3.17	1.1
SASA 2026.01		0.097	0.076	2.61	1.1
Base model 2026.01		0.098	0.076	2.46	1.6
SASA 2026.01		0.098	0.076	2.83	1.6
SASA 2026.01		0.1	0.077	2.83	1.4
SASA 2026.01		0.1	0.077	2.84	1.4
SASA 2026.01		0.103	0.078	2.44	1.6