Velg et datasett for å se alle målinger for hver modell. Radene følger den offisielle plasseringen eller den valgte målingen. Fet skrift markerer den beste sammenlignbare verdien i hver kolonne, også ved likhet. Ulike evalueringsprotokoller rangeres separat; manglende resultater vises som -.
Uten plassering: 5
En fullstendig offentlig inferenspakke for disse forsøkene er ikke verifisert. Andre vekter med samme modellnavn kan ikke erstatte den.
Ours w/o aug · Ours + FT w/o aug · Ours + FT w/ aug · MUSC · MERTech
Kildene bruker ulike trenings- eller oppgavevilkår, så tallene bør bare sammenlignes innenfor den oppgitte protokollen.