Sycophantic
Contribuye a:Transparency
GPT-4o (Nov '24) ocupa el primer lugar en sycophantic, mientras que Grok 4.7 (Xhigh) ocupa el último entre los 42 modelos evaluados. La diferencia entre ambos es de 742 Elo.
Las puntuaciones Elo van de 702 a 1444, con un intervalo de confianza del 95% típico por modelo de ±25 Elo, es decir, unos ±5 puntos en la escala de 1 a 100.
Leaderboard de Sycophantic
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: Sycophantic
¿El modelo adula al usuario o le da la razón en exceso en lugar de responder con honestidad? · 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 GuidancePragmaticTruthfulAdmits UncertaintyDisclaims AssumptionsFlags NuancesFriendlyHumorousSincereEmotionally IntelligentDirectConfidentOpinionatedConstructive PushbackCreativeOpen-EndedSlop