Bottom-Line Summary
Contribuye a:Organization
DeepSeek V4.1 Flash (Max) ocupa el primer lugar en bottom-line summary, mientras que GPT-3.5 Turbo ocupa el último entre los 42 modelos evaluados. La diferencia entre ambos es de 602 Elo.
Las puntuaciones Elo van de 588 a 1190, con un intervalo de confianza del 95% típico por modelo de ±27 Elo, es decir, unos ±9 puntos en la escala de 1 a 100.
Leaderboard de Bottom-Line Summary
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: Bottom-Line Summary
¿La respuesta incluye una conclusión explícita y concisa (p. ej., “Bottom line” o “TL;DR”)? · Percentil de Elo del rasgo, en un rango de 1 a 100 entre todos los modelos evaluados en el benchmark
Otros rasgos
Lexically VariedEloquentLiterateNatural SoundingMetaphoricalStructuredScannableAnswer FirstInformation DenseEvidence-BasedResource-SpecificActionable GuidancePragmaticTruthfulAdmits UncertaintyDisclaims AssumptionsFlags NuancesSycophanticFriendlyHumorousSincereEmotionally IntelligentDirectConfidentOpinionatedConstructive PushbackCreativeOpen-EndedSlop