Der Self-Consistency-Score ist ein wichtiger Bewertungsindikator für mathematische und logische Schlussfolgerungsaufgaben im Bereich der großen Sprachmodelle und des Reasonings. Er misst den Anteil der Fälle, in denen das Modell bei mehrfachen Antworten oder äquivalenten Formulierungen zu konsistenten Schlussfolgerungen kommt, und spiegelt die interne Selbstkonsistenz der logischen Schlussfolgerungsergebnisse wider. Ein höherer Wert dieses Indikators deutet auf ein robusteres Schlussfolgerungsverhalten des Modells hin. Er wird üblicherweise in Prozent oder als Punktzahl im Bereich von 0–1 berichtet. Dieser Indikator wird in einschlägigen Benchmarks und Forschungsarbeiten weit verbreitet eingesetzt und spiegelt effektiv die Leistung des Modells in dieser Dimension wider. Höhere Werte sind besser. Er hilft Forschern und Ingenieuren, die tatsächlichen Leistungsunterschiede von Modellen in Szenarien der mathematischen und logischen Schlussfolgerung zu quantifizieren, was den Vergleich verschiedener Methoden oder Modellversionen erleichtert.