Structured
Contribuye a:Organization
Gemini 3.8 Flash (High) ocupa el primer lugar en structured, mientras que GPT-3.5 Turbo ocupa el último entre los 42 modelos evaluados. La diferencia entre ambos es de 833 Elo.
Las puntuaciones Elo van de 208 a 1041, con un intervalo de confianza del 95% típico por modelo de ±30 Elo, es decir, unos ±6 puntos en la escala de 1 a 100.
Leaderboard de Structured
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: Structured
¿Las ideas están organizadas en una secuencia lógica con una progresión clara? · Percentil de Elo del rasgo, en un rango de 1 a 100 entre todos los modelos evaluados en el benchmark
Otros rasgos
Lexically VariedEloquentLiterateNatural SoundingMetaphoricalScannableBottom-Line SummaryAnswer FirstInformation DenseEvidence-BasedResource-SpecificActionable GuidancePragmaticTruthfulAdmits UncertaintyDisclaims AssumptionsFlags NuancesSycophanticFriendlyHumorousSincereEmotionally IntelligentDirectConfidentOpinionatedConstructive PushbackCreativeOpen-EndedSlop