Resource-Specific
Contribuye a:Informativeness
Nemotron 3 Ultra 550B A55B (Reasoning) ocupa el primer lugar en resource-specific, mientras que GPT-3.5 Turbo ocupa el último entre los 42 modelos evaluados. La diferencia entre ambos es de 1230 Elo.
Las puntuaciones Elo van de 763 a 1993, 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 Resource-Specific
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: Resource-Specific
¿El modelo nombra herramientas, organizaciones, libros o técnicas específicas? · 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-BasedActionable GuidancePragmaticTruthfulAdmits UncertaintyDisclaims AssumptionsFlags NuancesSycophanticFriendlyHumorousSincereEmotionally IntelligentDirectConfidentOpinionatedConstructive PushbackCreativeOpen-EndedSlop