Scannable
Contribuye a:Organization
MiMo-V2.6-Pro ocupa el primer lugar en scannable, mientras que GPT-3.5 Turbo ocupa el último entre los 42 modelos evaluados. La diferencia entre ambos es de 1481 Elo.
Las puntuaciones Elo van de 64 a 1545, con un intervalo de confianza del 95% típico por modelo de ±30 Elo, es decir, unos ±5 puntos en la escala de 1 a 100.
Leaderboard de Scannable
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: Scannable
¿Un lector puede hojear la respuesta y encontrar rápidamente lo que necesita? · Percentil de Elo del rasgo, en un rango de 1 a 100 entre todos los modelos evaluados en el benchmark
Otros rasgos
Lexically VariedEloquentLiterateNatural SoundingMetaphoricalStructuredBottom-Line SummaryAnswer FirstInformation DenseEvidence-BasedResource-SpecificActionable GuidancePragmaticTruthfulAdmits UncertaintyDisclaims AssumptionsFlags NuancesSycophanticFriendlyHumorousSincereEmotionally IntelligentDirectConfidentOpinionatedConstructive PushbackCreativeOpen-EndedSlop