AA-PersonalityBench

Índice Slop

Uso de relleno y lenguaje genérico. 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:Slop
Llama 4 Maverick ocupa el primer lugar en slop, mientras que GPT-6 Sol (Max) ocupa el último entre los 42 modelos evaluados.
En el 1 rasgo de este índice, las puntuaciones Elo promedio van de 609 a 2178, con un intervalo de confianza del 95% típico por modelo de ±36 Elo, es decir, unos ±3 puntos en la escala de 1 a 100.

Leaderboard de Slop

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 Slop

Uso de relleno y lenguaje genérico · Media de las puntuaciones z de Elo de cada modelo en slop · Rango percentil de 1 a 100 entre todos los modelos evaluados en el benchmark

Rasgos componentes

Slop se construye a partir del Elo, convertido en puntuación z, de 1 rasgo. Abre cualquier rasgo para ver su leaderboard completo.

Slop

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: Slop

¿Cuánto relleno genérico o verborrea típica de la IA se podría eliminar sin perder sustancia? · Percentil de Elo del rasgo, en un rango de 1 a 100 entre todos los modelos evaluados en el benchmark

Otros índices

ExpressivenessOrganizationInformativenessTransparencyWarmthConvictionImagination