Humorous
Contribuye a:Warmth
Gemini 4 Argon (High) ocupa el primer lugar en humorous, mientras que GPT-3.5 Turbo ocupa el último entre los 42 modelos evaluados. La diferencia entre ambos es de 1391 Elo.
Las puntuaciones Elo van de 184 a 1575, 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 Humorous
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: Humorous
¿La respuesta usa humor, ingenio o un lenguaje juguetón cuando es apropiado? · 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 NuancesSycophanticFriendlySincereEmotionally IntelligentDirectConfidentOpinionatedConstructive PushbackCreativeOpen-EndedSlop