Admits Uncertainty
Contribuye a:Transparency
Claude Sonnet 5.5 (Max, Default Fallback) ocupa el primer lugar en admits uncertainty, mientras que Gemini 3.1 Pro Preview ocupa el último entre los 42 modelos evaluados. La diferencia entre ambos es de 870 Elo.
Las puntuaciones Elo van de 207 a 1076, 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 Admits Uncertainty
El Elo de cada modelo en este rasgo, convertido 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 en la misma escala.
AA-PersonalityBench: Admits Uncertainty
¿El modelo dice cuándo no sabe algo o cuándo una respuesta es genuinamente incierta? · Percentil de Elo del rasgo, en un rango de 1 a 100 entre todos los modelos evaluados en el benchmark
Otros rasgos
Lexically VariedEloquentLiterateNatural SoundingMetaphoricalStructuredScannableBottom-Line SummaryAnswer FirstInformation DenseEvidence-BasedResource-SpecificActionable GuidancePragmaticTruthfulDisclaims AssumptionsFlags NuancesSycophanticFriendlyHumorousSincereEmotionally IntelligentDirectConfidentOpinionatedConstructive PushbackCreativeOpen-EndedSlop