TREC AutoJudge Infrastructure Status

Latest recorded health check: 2026-07-28 08:35

Status: Re-Run AutoJudges from Promp Cache

Reproducibility effectiveness by software and LLM. Score ranges show the minimum and maximum effectiveness observed within each evaluation. Scores matching the most frequent score in their row are green; deviations are red.

We intend to add more software systems to the status check, including a few selected systems from each team. The status checks are defined in the TREC AutoJudge infrastructure-status repository.

The health checks currently run on the kiddie-20260605-training dataset. We intend to add more datasets to the health checks later.

Software LLM 2026-07-14 11:532026-07-14 13:482026-07-14 21:012026-07-15 08:132026-07-15 21:022026-07-16 08:152026-07-16 19:172026-07-16 21:002026-07-17 08:112026-07-17 20:572026-07-18 07:522026-07-18 20:512026-07-19 08:212026-07-19 20:512026-07-20 09:192026-07-20 21:132026-07-21 08:312026-07-21 21:112026-07-22 08:312026-07-22 21:092026-07-23 08:322026-07-23 21:062026-07-24 08:292026-07-24 21:052026-07-25 08:072026-07-25 20:542026-07-26 08:282026-07-26 20:592026-07-27 09:542026-07-27 21:112026-07-28 08:35
webis/tinyjudgeopenai/gpt-oss-20bKendall: 0.333TauAP-B: 0.167Kendall: 0.333TauAP-B: 0.167Kendall: 0.333TauAP-B: 0.167Kendall: 0.333TauAP-B: 0.167Kendall: 0.333TauAP-B: 0.167Kendall: 0.333TauAP-B: 0.167Kendall: 0.333TauAP-B: 0.167Kendall: 0.333TauAP-B: 0.167Kendall: 0.333TauAP-B: 0.167Kendall: 0.333TauAP-B: 0.167Kendall: 0.333TauAP-B: 0.167Kendall: 0.333TauAP-B: 0.167Kendall: 0.333TauAP-B: 0.167Kendall: 0.333TauAP-B: 0.167Kendall: 0.333TauAP-B: 0.167Kendall: 0.333TauAP-B: 0.167Kendall: 0.333TauAP-B: 0.167Kendall: 0.333TauAP-B: 0.167Kendall: 0.333TauAP-B: 0.167Kendall: 0.333TauAP-B: 0.167Kendall: 0.333TauAP-B: 0.167Kendall: 0.333TauAP-B: 0.167Kendall: 0.333TauAP-B: 0.167Kendall: 0.333TauAP-B: 0.167Kendall: 0.333TauAP-B: 0.167Kendall: 0.333TauAP-B: 0.167Kendall: 0.333TauAP-B: 0.167Kendall: 0.333TauAP-B: 0.167Kendall: 0.333TauAP-B: 0.167Kendall: 0.333TauAP-B: 0.167Kendall: 0.333TauAP-B: 0.167
Qwen/Qwen2.5-7B-InstructKendall: 0.913TauAP-B: 0.833Kendall: 0.913TauAP-B: 0.833Kendall: 0.913TauAP-B: 0.833Kendall: 0.913TauAP-B: 0.833Kendall: 0.913TauAP-B: 0.833Kendall: 0.913TauAP-B: 0.833Kendall: 0.913TauAP-B: 0.833Kendall: 0.913TauAP-B: 0.833Kendall: 0.913TauAP-B: 0.833Kendall: 0.913TauAP-B: 0.833Kendall: 0.913TauAP-B: 0.833Kendall: 0.913TauAP-B: 0.833Kendall: 0.913TauAP-B: 0.833Kendall: 0.913TauAP-B: 0.833Kendall: 0.913TauAP-B: 0.833Kendall: 0.913TauAP-B: 0.833Kendall: 0.913TauAP-B: 0.833Kendall: 0.913TauAP-B: 0.833Kendall: 0.913TauAP-B: 0.833Kendall: 0.913TauAP-B: 0.833Kendall: 0.913TauAP-B: 0.833Kendall: 0.913TauAP-B: 0.833Kendall: 0.913TauAP-B: 0.833Kendall: 0.913TauAP-B: 0.833Kendall: 0.913TauAP-B: 0.833Kendall: 0.913TauAP-B: 0.833Kendall: 0.913TauAP-B: 0.833Kendall: 0.913TauAP-B: 0.833Kendall: 0.913TauAP-B: 0.833Kendall: 0.913TauAP-B: 0.833Kendall: 0.913TauAP-B: 0.833
trema-unh/prefnugget-queryonlyopenai/gpt-oss-20bKendall: 0.667TauAP-B: 0.667Kendall: 0.667TauAP-B: 0.667Kendall: 0.667TauAP-B: 0.667Kendall: 0.667TauAP-B: 0.667Kendall: 0.667TauAP-B: 0.667Kendall: 0.667TauAP-B: 0.667Kendall: 0.667TauAP-B: 0.667Kendall: 0.667TauAP-B: 0.667Kendall: 0.667TauAP-B: 0.667Kendall: 0.667TauAP-B: 0.667Kendall: 0.667TauAP-B: 0.667Kendall: 0.667TauAP-B: 0.667Kendall: 0.667TauAP-B: 0.667Kendall: 0.667TauAP-B: 0.667Kendall: 0.667TauAP-B: 0.667Kendall: 0.667TauAP-B: 0.667Kendall: 0.667TauAP-B: 0.667Kendall: 0.667TauAP-B: 0.667Kendall: 0.667TauAP-B: 0.667Kendall: 0.667TauAP-B: 0.667Kendall: 0.667TauAP-B: 0.667Kendall: 0.667TauAP-B: 0.667Kendall: 0.667TauAP-B: 0.667Kendall: 0.667TauAP-B: 0.667Kendall: 0.667TauAP-B: 0.667
Qwen/Qwen2.5-7B-InstructKendall: 0.913–1.000TauAP-B: 0.833–1.000Kendall: 0.913–1.000TauAP-B: 0.833–1.000Kendall: 0.913–1.000TauAP-B: 0.833–1.000Kendall: 0.913–1.000TauAP-B: 0.833–1.000Kendall: 0.913–1.000TauAP-B: 0.833–1.000Kendall: 0.913–1.000TauAP-B: 0.833–1.000Kendall: 0.913–1.000TauAP-B: 0.833–1.000Kendall: 0.913–1.000TauAP-B: 0.833–1.000Kendall: 0.913–1.000TauAP-B: 0.833–1.000Kendall: 0.913–1.000TauAP-B: 0.833–1.000Kendall: 0.913–1.000TauAP-B: 0.833–1.000Kendall: 0.913–1.000TauAP-B: 0.833–1.000Kendall: 0.913–1.000TauAP-B: 0.833–1.000Kendall: 0.913–1.000TauAP-B: 0.833–1.000Kendall: 0.913–1.000TauAP-B: 0.833–1.000Kendall: 0.913–1.000TauAP-B: 0.833–1.000Kendall: 0.913–1.000TauAP-B: 0.833–1.000Kendall: 0.913–1.000TauAP-B: 0.833–1.000Kendall: 0.913–1.000TauAP-B: 0.833–1.000Kendall: 0.913–1.000TauAP-B: 0.833–1.000Kendall: 0.913–1.000TauAP-B: 0.833–1.000Kendall: 0.913–1.000TauAP-B: 0.833–1.000Kendall: 0.913–1.000TauAP-B: 0.833–1.000Kendall: 0.913–1.000TauAP-B: 0.833–1.000Kendall: 0.913–1.000TauAP-B: 0.833–1.000
trema-unh/prefnugget-queryonly-bestopenai/gpt-oss-20bKendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000
Qwen/Qwen2.5-7B-InstructKendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000
trema-unh/prefnugget-grounded-bestopenai/gpt-oss-20bKendall: 0.707–1.000TauAP-B: 0.333–1.000Kendall: 0.707–1.000TauAP-B: 0.333–1.000Kendall: 0.707–1.000TauAP-B: 0.333–1.000Kendall: 0.707–1.000TauAP-B: 0.333–1.000Kendall: 0.707–1.000TauAP-B: 0.333–1.000Kendall: 0.707–1.000TauAP-B: 0.333–1.000Kendall: 0.707–1.000TauAP-B: 0.333–1.000Kendall: 0.707–1.000TauAP-B: 0.333–1.000Kendall: 0.707–1.000TauAP-B: 0.333–1.000Kendall: 0.707–1.000TauAP-B: 0.333–1.000Kendall: 0.707–1.000TauAP-B: 0.333–1.000Kendall: 0.707–1.000TauAP-B: 0.333–1.000Kendall: 0.707–1.000TauAP-B: 0.333–1.000Kendall: 0.707–1.000TauAP-B: 0.333–1.000Kendall: 0.707–1.000TauAP-B: 0.333–1.000Kendall: 0.707–1.000TauAP-B: 0.333–1.000Kendall: 0.707–1.000TauAP-B: 0.333–1.000Kendall: 0.707–1.000TauAP-B: 0.333–1.000Kendall: 0.707–1.000TauAP-B: 0.333–1.000Kendall: 0.707–1.000TauAP-B: 0.333–1.000Kendall: 0.707–1.000TauAP-B: 0.333–1.000Kendall: 0.707–1.000TauAP-B: 0.333–1.000Kendall: 0.707–1.000TauAP-B: 0.333–1.000Kendall: 0.707–1.000TauAP-B: 0.333–1.000Kendall: 0.707–1.000TauAP-B: 0.333–1.000
Qwen/Qwen2.5-7B-InstructKendall: 0.913–1.000TauAP-B: 0.667–1.000Kendall: 0.913–1.000TauAP-B: 0.667–1.000Kendall: 0.913–1.000TauAP-B: 0.667–1.000Kendall: 0.913–1.000TauAP-B: 0.667–1.000Kendall: 0.913–1.000TauAP-B: 0.667–1.000Kendall: 0.913–1.000TauAP-B: 0.667–1.000Kendall: 0.913–1.000TauAP-B: 0.667–1.000Kendall: 0.913–1.000TauAP-B: 0.667–1.000Kendall: 0.913–1.000TauAP-B: 0.667–1.000Kendall: 0.913–1.000TauAP-B: 0.667–1.000Kendall: 0.913–1.000TauAP-B: 0.667–1.000Kendall: 0.913–1.000TauAP-B: 0.667–1.000Kendall: 0.913–1.000TauAP-B: 0.667–1.000Kendall: 0.913–1.000TauAP-B: 0.667–1.000Kendall: 0.913–1.000TauAP-B: 0.667–1.000Kendall: 0.913–1.000TauAP-B: 0.667–1.000Kendall: 0.913–1.000TauAP-B: 0.667–1.000Kendall: 0.913–1.000TauAP-B: 0.667–1.000Kendall: 0.913–1.000TauAP-B: 0.667–1.000Kendall: 0.913–1.000TauAP-B: 0.667–1.000Kendall: 0.913–1.000TauAP-B: 0.667–1.000Kendall: 0.913–1.000TauAP-B: 0.667–1.000Kendall: 0.913–1.000TauAP-B: 0.667–1.000Kendall: 0.913–1.000TauAP-B: 0.667–1.000Kendall: 0.913–1.000TauAP-B: 0.667–1.000
trema-unh/prefnugget-best-decide-plumopenai/gpt-oss-20bKendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000
Qwen/Qwen2.5-7B-InstructKendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000
trema-unh/langchain-pref-best-decide-plumopenai/gpt-oss-20bKendall: 0.548–1.000TauAP-B: 0.417–1.000Kendall: 0.548–1.000TauAP-B: 0.417–1.000Kendall: 0.548–1.000TauAP-B: 0.417–1.000Kendall: 0.548–1.000TauAP-B: 0.417–1.000Kendall: 0.548–1.000TauAP-B: 0.417–1.000Kendall: 0.548–1.000TauAP-B: 0.417–1.000Kendall: 0.548–1.000TauAP-B: 0.417–1.000Kendall: 0.548–1.000TauAP-B: 0.417–1.000Kendall: 0.548–1.000TauAP-B: 0.417–1.000Kendall: 0.548–1.000TauAP-B: 0.417–1.000Kendall: 0.548–1.000TauAP-B: 0.417–1.000Kendall: 0.548–1.000TauAP-B: 0.417–1.000Kendall: 0.548–1.000TauAP-B: 0.417–1.000Kendall: 0.548–1.000TauAP-B: 0.417–1.000Kendall: 0.548–1.000TauAP-B: 0.417–1.000Kendall: 0.548–1.000TauAP-B: 0.417–1.000Kendall: 0.548–1.000TauAP-B: 0.417–1.000Kendall: 0.548–1.000TauAP-B: 0.417–1.000Kendall: 0.548–1.000TauAP-B: 0.417–1.000Kendall: 0.548–1.000TauAP-B: 0.417–1.000Kendall: 0.548–1.000TauAP-B: 0.417–1.000Kendall: 0.548–1.000TauAP-B: 0.417–1.000Kendall: 0.548–1.000TauAP-B: 0.417–1.000Kendall: 0.548–1.000TauAP-B: 0.417–1.000Kendall: 0.548–1.000TauAP-B: 0.417–1.000
Qwen/Qwen2.5-7B-InstructKendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000
trema-unh/prefnugget-queryonly-best-updatedopenai/gpt-oss-20bKendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000Kendall: 0.667–1.000TauAP-B: 0.667–1.000
Qwen/Qwen2.5-7B-InstructKendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000Kendall: 1.000TauAP-B: 1.000

Status: Nugget Banks

Automated health checks for nugget banks are in progress.

Status: Prompt Caches

Automated health checks for prompt caches are in progress.