Share your thoughts, 1 month free Claude Pro on usSee more

Dialogue Evaluation on Topical-Chat turn-level

0.444Naturalness (Pearson r)

UniEval (Dial)

Updated 1mo ago

Evaluation Results

Method	Links
UniEval (Dial) 2023.07		0.444	0.514	0.595	0.613	0.557	0.605	0.536	0.575
DecompEval 2023.07		0.41	0.435	0.434	0.435	0.453	0.467	0.646	0.659
USR 2023.07		0.337	0.325	0.416	0.377	0.456	0.465	0.222	0.447
CTRLEval 2023.07		0.303	0.254	0.337	0.313	0.422	0.412	0.242	0.251
BARTScore 2023.07		0.287	0.266	0.251	0.225	0.411	0.406	0.226	0.205
BERTScore 2023.07		0.226	0.209	0.214	0.233	0.317	0.335	0.291	0.317
METEOR 2023.07		0.212	0.191	0.25	0.302	0.367	0.439	0.333	0.391
BLEU-4 2023.07		0.18	0.175	0.131	0.235	0.232	0.316	0.213	0.31
ROUGE-L 2023.07		0.176	0.146	0.193	0.203	0.295	0.3	0.31	0.327
MoverScore 2023.07		0.169	0.17	0.247	0.259	0.275	0.269	0.198	0.147
BLEU-1 2023.07		0.161	0.133	0.21	0.223	0.314	0.334	0.289	0.303