AA-PersonalityBench

Índice Warmth

Amigable, humorístico, sincero, en sintonía emocional. 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 Wonder (Max) ocupa el primer lugar en warmth, mientras que Nemotron 3 Ultra 550B A55B (Reasoning) ocupa el último entre los 42 modelos evaluados.
En los 4 rasgos de este índice, las puntuaciones Elo promedio van de 89 a 1506, con un intervalo de confianza del 95% típico por modelo de ±31 Elo, es decir, unos ±4 puntos en la escala de 1 a 100.

Leaderboard de Warmth

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 Warmth

Amigable, humorístico, sincero, en sintonía emocional · Media de las puntuaciones z de Elo de cada modelo en friendly, humorous, sincere y emotionally intelligent · Rango percentil de 1 a 100 entre todos los modelos evaluados en el benchmark

Rasgos componentes

Warmth se construye a partir del Elo, convertido en puntuación z, de 4 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: Friendly

¿La respuesta transmite calidez y cercanía sin parecer fingida? · Percentil de Elo del rasgo, en un rango de 1 a 100 entre todos los modelos evaluados en el benchmark

Otros índices