Language Generation Evaluation on BAGEL (test) benchmark leaderboard · SOTA2 Research

Language Generation Evaluation on BAGEL (test)

0.298InformativenessWMD-1+BERT+PMEANS

Evaluation Results

Method	Links
WMD-1+BERT+PMEANS2022.03		0.298	0.212	0.163
WMD-1+BERT+MNLI+PMEANS2022.03		0.285	0.195	0.158
SMD+BERT+MNLI+PMAENS2022.03		0.28	0.149	0.12
BERTScore2022.03		0.267	0.21	0.178
WMD-1+ELMO+PMEANS2022.03		0.261	0.163	0.148
METEOR2022.03		0.251	0.127	0.116
SMD+ELMO+PMEANS2022.03		0.251	0.171	0.147
BLEU-12022.03		0.225	0.141	0.113
BLEU-22022.03		0.211	0.152	0.115
RoMe2022.03		0.17	0.274	0.241
RoMe2022.03		0.162	0.259	0.222
RoMe2022.03		0.16	0.251	0.202
RoMe2022.03		0.112	0.163	0.132
SMD+W2V2022.03		0.024	0.074	0.078