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

Medical Dialogue Generation on Medical Dialogue held-out (test)

0.163ROUGE-L

SFT

Updated 1mo ago

Evaluation Results

Method	Links
SFT 2026.03		0.163	0.829	9.6	19.95	0.532	0.542	0.535	0.548	0.532	0.515
Overfit SFT 2026.03		0.162	0.823	9.3	198.61	0.527	0.518	0.528	0.531	0.523	0.505
PrivMedChat 2026.03		0.156	0.836	10.3	24.46	0.52	0.513	0.515	0.514	0.516	0.545
DP-SFT 2026.03		0.154	0.833	9.4	24.34	0.52	0.513	0.515	0.514	0.517	0.546
PrivMedChat 2026.03		0.154	0.838	9.6	24.81	0.521	0.512	0.519	0.517	0.517	0.544
DP-SFT 2026.03		0.152	0.831	9.2	24.82	0.521	0.513	0.52	0.517	0.517	0.544
PrivMedChat 2026.03		0.152	0.837	9.7	25.04	0.519	0.51	0.514	0.514	0.515	0.539
DP-SFT 2026.03		0.149	0.831	9.3	25.27	0.522	0.519	0.521	0.519	0.517	0.555
DP-SFT 2026.03		0.149	0.83	9.2	24.95	0.519	0.511	0.514	0.514	0.515	0.54
PPO 2026.03		0.148	0.825	10.2	20.13	0.532	0.543	0.534	0.547	0.533	0.516
PrivMedChat 2026.03		0.146	0.839	8.6	25.27	0.522	0.52	0.521	0.519	0.517	0.555
Base 2026.03		0.133	0.83	11.2	37.34	0.518	0.5	0.513	0.505	0.513	0.502