Our new X account is live! Follow @wizwand_team for updates
WorkDL logo mark

Multi-turn Dialogue Evaluation on MT-Bench-zh

6.34Score

TaP-SFT (GPT-4)

2.50243.49874.4955.4913Jun 30, 2025
Updated 4d ago

Evaluation Results

MethodLinks
2025.06
6.34
2025.06
6.19
2025.06
6.18
2025.06
6.16
2025.06
6.12
2025.06
6.1
2025.06
5.99
2025.06
5.97
2025.06
5.79
2025.06
5.67
2025.06
5.6
2025.06
5.53
2025.06
5.44
2025.06
5.37
2025.06
5.36
2025.06
5.33
2025.06
5.26
2025.06
5.24
2025.06
5.11
2025.06
5.06
2025.06
5.06
2025.06
5.04
2025.06
5.03
2025.06
5.02
2025.06
4.99
2025.06
4.96
2025.06
4.95
2025.06
4.95
2025.06
4.93
2025.06
4.92
2025.06
4.9
2025.06
4.9
2025.06
4.89
2025.06
4.89
2025.06
4.89
2025.06
4.87
2025.06
4.83
2025.06
4.83
2025.06
4.83
2025.06
4.79
2025.06
4.78
2025.06
4.78
2025.06
4.77
2025.06
4.74
2025.06
4.73
2025.06
4.71
2025.06
4.69
2025.06
4.69
2025.06
4.68
2025.06
4.68
2025.06
4.66
2025.06
4.65
2025.06
4.63
2025.06
4.6
2025.06
4.51
2025.06
4.49
2025.06
4.47
2025.06
4.47
2025.06
4.45
2025.06
4.45
2025.06
4.43
2025.06
4.41
2025.06
4.39
2025.06
4.38
2025.06
4.35
2025.06
4.28
2025.06
4.23
2025.06
4.21
2025.06
4.21
2025.06
4.14
2025.06
4.09
2025.06
4.06
2025.06
3.92
2025.06
3.77
2025.06
3.72
2025.06
3.69
2025.06
3.66
2025.06
3.63
2025.06
3.56
2025.06
3.48
2025.06
3.44
2025.06
3.36
2025.06
3.35
2025.06
3.34
2025.06
3.32
2025.06
3.13
2025.06
2.74
2025.06
2.69
2025.06
2.68
2025.06
2.65