Evidence-Based
Contribuye a:Informativeness
Claude Fable 5.1 (Max, Default Fallback) ocupa el primer lugar en evidence-based, mientras que GPT-3.5 Turbo ocupa el último entre los 42 modelos evaluados. La diferencia entre ambos es de 1895 Elo.
Las puntuaciones Elo van de −105 a 1790, 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 Evidence-Based
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: Evidence-Based
¿La respuesta fundamenta sus afirmaciones en evidencia, datos o fuentes autorizadas? · 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 DenseResource-SpecificActionable GuidancePragmaticTruthfulAdmits UncertaintyDisclaims AssumptionsFlags NuancesSycophanticFriendlyHumorousSincereEmotionally IntelligentDirectConfidentOpinionatedConstructive PushbackCreativeOpen-EndedSlop