Open-Ended
Contribuye a:Imagination
Muse Spark 1.3 (Max) ocupa el primer lugar en open-ended, mientras que GPT-3.5 Turbo ocupa el último entre los 42 modelos evaluados. La diferencia entre ambos es de 1072 Elo.
Las puntuaciones Elo van de 173 a 1245, 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 Open-Ended
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: Open-Ended
¿La respuesta invita a seguir explorando en lugar de tratar la pregunta como cerrada? · 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 PushbackCreativeSlop