Flags Nuances
Contribuye a:Transparency
Beam 1.0 ocupa el primer lugar en flags nuances, mientras que GPT-3.5 Turbo ocupa el último entre los 42 modelos evaluados. La diferencia entre ambos es de 1335 Elo.
Las puntuaciones Elo van de −58 a 1277, con un intervalo de confianza del 95% típico por modelo de ±28 Elo, es decir, unos ±5 puntos en la escala de 1 a 100.
Leaderboard de Flags Nuances
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: Flags Nuances
¿El modelo señala la complejidad, las salvedades y los factores que dependen del contexto? · 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 AssumptionsSycophanticFriendlyHumorousSincereEmotionally IntelligentDirectConfidentOpinionatedConstructive PushbackCreativeOpen-EndedSlop