AA-PersonalityBench

Índice Organization

Bien estructurado, fácil de hojear, primero la respuesta. 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:StructuredScannableBottom-Line SummaryAnswer First
DeepSeek V4.1 Flash (Max) ocupa el primer lugar en organization, mientras que GPT-3.5 Turbo ocupa el último entre los 42 modelos evaluados.
En los 4 rasgos de este índice, las puntuaciones Elo promedio van de 309 a 1208, con un intervalo de confianza del 95% típico por modelo de ±27 Elo, es decir, unos ±6 puntos en la escala de 1 a 100.

Leaderboard de Organization

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 Organization

Bien estructurado, fácil de hojear, primero la respuesta · Media de las puntuaciones z de Elo de cada modelo en structured, scannable, bottom-line summary y answer first · Rango percentil de 1 a 100 entre todos los modelos evaluados en el benchmark

Rasgos componentes

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

Structured

Scannable

Bottom-Line Summary

Answer First

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: Structured

¿Las ideas están organizadas en una secuencia lógica con una progresión clara? · Percentil de Elo del rasgo, en un rango de 1 a 100 entre todos los modelos evaluados en el benchmark

Otros índices

ExpressivenessInformativenessTransparencyWarmthConvictionImaginationSlop