AA-PersonalityBench

Índice Conviction

Directo, posiciones firmes y cuestionamiento constructivo. El índice convierte el Elo de cada rasgo componente en una puntuación z entre todos los modelos evaluados en el benchmark, calcula la media con los rasgos invertidos entrando en negativo y convierte el resultado en un rango percentil de 1 a 100.

Rasgos que lo componen:DirectConfidentOpinionatedConstructive Pushback
Claude Fable 5.1 (Max, Default Fallback) ocupa el primer lugar en conviction, mientras que Llama 4 Maverick ocupa el último entre los 42 modelos evaluados.
En los 4 rasgos de este índice, las puntuaciones Elo promedio van de 340 a 1420, con un intervalo de confianza del 95% típico por modelo de ±30 Elo, es decir, unos ±5 puntos en la escala de 1 a 100.

Leaderboard de Conviction

La media de las puntuaciones z de Elo de los rasgos de cada modelo, convertida en un rango percentil de 1 a 100 entre todos los modelos evaluados en el benchmark. Los bigotes muestran el intervalo de confianza del 95% de cada modelo.

AA-PersonalityBench: índice Conviction

Directo, posiciones firmes y cuestionamiento constructivo · Media de las puntuaciones z de Elo de cada modelo en direct, confident, opinionated y constructive pushback · Rango percentil de 1 a 100 entre todos los modelos evaluados en el benchmark

Rasgos componentes

Conviction se construye a partir del Elo, convertido en puntuación z, de 4 rasgos. Abre cualquier rasgo para ver su leaderboard completo.

Direct

Confident

Opinionated

Constructive Pushback

Leaderboards de rasgos

El percentil de Elo de cada rasgo componente, de 1 a 100 entre todos los modelos evaluados en el benchmark.

AA-PersonalityBench: Direct

¿El modelo va al grano rápidamente, sin preámbulos innecesarios? · Percentil de Elo del rasgo, en un rango de 1 a 100 entre todos los modelos evaluados en el benchmark

Otros índices

ExpressivenessOrganizationInformativenessTransparencyWarmthImaginationSlop