Pragmatic
Contribuye a:Informativeness
Muse Wonder (Max) ocupa el primer lugar en pragmatic, mientras que GPT-3.5 Turbo ocupa el último entre los 42 modelos evaluados. La diferencia entre ambos es de 2071 Elo.
Las puntuaciones Elo van de −611 a 1460, con un intervalo de confianza del 95% típico por modelo de ±32 Elo, es decir, unos ±4 puntos en la escala de 1 a 100.
Leaderboard de Pragmatic
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: Pragmatic
¿El modelo prioriza lo que funciona con las limitaciones del mundo real por encima de los ideales teóricos? · 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 GuidanceTruthfulAdmits UncertaintyDisclaims AssumptionsFlags NuancesSycophanticFriendlyHumorousSincereEmotionally IntelligentDirectConfidentOpinionatedConstructive PushbackCreativeOpen-EndedSlop