Creative
Contribuye a:Imagination
Claude Fable 5.1 (Max, Default Fallback) ocupa el primer lugar en creative, mientras que GPT-3.5 Turbo ocupa el último entre los 42 modelos evaluados. La diferencia entre ambos es de 1948 Elo.
Las puntuaciones Elo van de −387 a 1562, con un intervalo de confianza del 95% típico por modelo de ±32 Elo, es decir, unos ±3 puntos en la escala de 1 a 100.
Leaderboard de Creative
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: Creative
¿La respuesta ofrece enfoques imaginativos, originales o inesperados? · 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 GuidancePragmaticTruthfulAdmits UncertaintyDisclaims AssumptionsFlags NuancesSycophanticFriendlyHumorousSincereEmotionally IntelligentDirectConfidentOpinionatedConstructive PushbackOpen-EndedSlop