AA-PersonalityBench

Índice Informativeness

Profundidad práctica, evidencia, pasos concretos. 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.

Muse Spark 1.3 (Max) ocupa el primer lugar en informativeness, mientras que GPT-3.5 Turbo ocupa el último entre los 42 modelos evaluados.
En los 5 rasgos de este índice, las puntuaciones Elo promedio van de −14 a 1773, con un intervalo de confianza del 95% típico por modelo de ±32 Elo, es decir, unos ±4 puntos en la escala de 1 a 100.

Leaderboard de Informativeness

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 Informativeness

Profundidad práctica, evidencia, pasos concretos · Media de las puntuaciones z de Elo de cada modelo en information dense, evidence-based, resource-specific, actionable guidance y pragmatic · Rango percentil de 1 a 100 entre todos los modelos evaluados en el benchmark

Rasgos componentes

Informativeness se construye a partir del Elo, convertido en puntuación z, de 5 rasgos. Abre cualquier rasgo para ver su leaderboard completo.

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: Information Dense

¿Cuánto le enseña cada oración al lector: detalles concretos o generalidades superficiales? · Percentil de Elo del rasgo, en un rango de 1 a 100 entre todos los modelos evaluados en el benchmark

Otros índices