List your company

ResearchFormerly WizWand

Dialogue Evaluation Alignment on CRSArena-Eval RD (test)

0.549Pearson r (Turn-level Rel)FACE

Evaluation results

Method	Links
FACE2026.06		0.549	0.55	0.443	0.437	0.65	0.635	0.57	0.453	0.484	0.534	0.447	0.43	0.712	0.668	0.551	0.53
G-Eval2026.06		0.49	0.471	0.302	0.289	0.49	0.444	0.351	0.364	0.488	0.482	0.332	0.325	0.577	0.577	0.433	0.422
FACE2026.06		0.468	0.462	0.279	0.29	0.605	0.574	0.482	0.392	0.339	0.423	0.235	0.255	0.617	0.555	0.432	0.422
LLMDirect2026.06		0.464	0.455	0.248	0.26	0.522	0.482	0.405	0.363	0.101	0.101	0.217	0.203	0.564	0.522	0.36	0.341
LLMCoT+ICL2026.06		0.453	0.446	0.175	0.177	0.481	0.457	0.425	0.4	0.174	0.174	0.188	0.174	0.498	0.472	0.342	0.329
UniEval2026.06		0.311	0.288	0.182	0.242	0.246	0.225	—	—	—	—	—	—	0.395	0.387	—	—