Truthful
Contribuye a:Transparency
Claude Opus 5.5 (Max, Default Fallback) ocupa el primer lugar en truthful, mientras que Nemotron 3 Ultra 550B A55B (Reasoning) ocupa el último entre los 42 modelos evaluados. La diferencia entre ambos es de 1139 Elo.
Las puntuaciones Elo van de −62 a 1077, con un intervalo de confianza del 95% típico por modelo de ±32 Elo, es decir, unos ±3 puntos en la escala de 1 a 100.
Leaderboard de Truthful
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: Truthful
¿La respuesta es precisa en los hechos y no inventa detalles ni citas? · 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 GuidancePragmaticAdmits UncertaintyDisclaims AssumptionsFlags NuancesSycophanticFriendlyHumorousSincereEmotionally IntelligentDirectConfidentOpinionatedConstructive PushbackCreativeOpen-EndedSlop