Dialogue Evaluation on TopicalChat (CV & Rho Metrics) benchmark leaderboard · SOTA2 Research

Dialogue Evaluation on TopicalChat (CV & Rho Metrics)

0.48CV (Understandability)LLaMA-4-Scout

Evaluation Results

Method	Links
LLaMA-4-Scout2026.01		0.48	0.43	0.33	0.81	0.33	0.82	0.11	0.8	0.18	0.73	—	—	—	—	—	—	—	—	—	—
Qwen3-235B-A22B-instruct2026.01		0.27	0.34	0.23	0.87	0.17	0.86	0.16	0.86	0.3	0.71	—	—	—	—	—	—	—	—	—	—
LLaMA-4-Maverick2026.01		0.21	0.46	0.49	0.71	0.25	0.81	0.21	0.7	0.1	0.71	—	—	—	—	—	—	—	—	—	—
GPT-4o-mini2026.01		0.2	0.49	0.11	0.8	0.17	0.81	0.2	0.79	0.12	0.7	—	—	—	—	—	—	—	—	—	—
Gemini 2.5 Flash2026.01		0.18	0.39	0.29	0.85	0.27	0.79	0.15	0.78	0.17	0.72	—	—	—	—	—	—	—	—	—	—
GPT-4o2026.01		0.16	0.48	0.28	0.57	0.14	0.84	0.52	0.72	0.07	0.71	—	—	—	—	—	—	—	—	—	—
Qwen3-30B-A3B-instruct2026.01		0.03	0.53	0.18	0.87	0.13	0.85	0.21	0.87	0.18	0.73	—	—	—	—	—	—	—	—	—	—
Gemini 2.5 Flash2026.01		—	—	—	—	—	—	—	—	—	—	2.46	0.33	1.71	0.48	1.79	0.45	2.21	0.42	2.51	0.56
GPT-4o2026.01		—	—	—	—	—	—	—	—	—	—	2.59	0.33	3.19	0.54	2.41	0.55	3.07	0.44	2.38	0.56
GPT-4o-mini2026.01		—	—	—	—	—	—	—	—	—	—	2.59	0.34	2.52	0.55	2.01	0.43	2.16	0.43	2.41	0.57
Llama-4-Maverick2026.01		—	—	—	—	—	—	—	—	—	—	2.29	0.31	2.31	0.5	1.88	0.43	2.05	0.44	2.47	0.57
Llama-4-Scout2026.01		—	—	—	—	—	—	—	—	—	—	2.75	0.33	2.35	0.41	1.97	0.43	2.75	0.51	2.46	0.55
Qwen3-235b2026.01		—	—	—	—	—	—	—	—	—	—	2.89	0.36	1.96	0.5	1.97	0.53	2.21	0.54	2.38	0.56
Qwen3-30b2026.01		—	—	—	—	—	—	—	—	—	—	2.56	0.36	2.12	0.41	1.93	0.43	2.08	0.51	2.46	0.54