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