Conviction指数
単刀直入で自信のある立場表明と建設的な反論。この指数は、各構成特性のEloをベンチマークで評価したすべてのモデルにわたってzスコア化し、反転した特性は負の値として平均を計算し、その結果を1〜100のパーセンタイル順位にします。
評価対象の42モデルの中で、convictionが最も高いのはClaude Fable 5.1 (Max, Default Fallback)、最も低いのはLlama 4 Maverickです。
この指数を構成する4個の特性にわたって、Eloスコアの平均は340〜1420の範囲で、モデルごとの95%信頼区間は通常±30 Elo、1〜100のスケールではおよそ±5ポイントです。
Convictionのリーダーボード
各モデルの構成特性のEloのzスコアの平均を、ベンチマークで評価したすべてのモデルにわたる1〜100のパーセンタイル順位にしたものです。ひげは各モデルの95%信頼区間を示します。
AA-PersonalityBench: Conviction指数
単刀直入で自信のある立場表明と建設的な反論 · direct、confident、opinionated、constructive pushbackにわたる各モデルのEloのzスコアの平均 · ベンチマークで評価したすべてのモデルにわたる1〜100のパーセンタイル順位
構成特性
Convictionは、4個の特性のzスコア化したEloから構成されます。 各特性を開くと、その完全なリーダーボードを確認できます。
特性リーダーボード
各構成特性のEloを、ベンチマークで評価したすべてのモデルにわたる1〜100のパーセンタイル順位にしたものです。
AA-PersonalityBench: Direct
モデルは不要な前置きなしに、すぐ本題に入っていますか？ · 特性のEloを、ベンチマークで評価したすべてのモデルにわたる1〜100のパーセンタイル順位にしたもの