Идентификатор модели, генерирующей транскрипты для оценки, влияет на 11.25% дисперсии измерений и может изменять ранжирование моделей. EvalDetectBench корректирует это искажение через процедуру гармонизации генераторов и калибровку зондов для каждой модели.
Бенчмарк также включает набор транскриптов, охватывающих текущие оценки системных карточек и разнообразные источники развёртывания.