Expressiveness指数
豊かで変化に富んだ、巧みな言葉遣い。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、expressivenessが最も高いのはClaude Fable 5.1 (Max, Default Fallback)、最も低いのはGPT-3.5 Turboです。
この指数を構成する5個の特性にわたって、Eloスコアの平均は9〜1609の範囲で、モデルごとの95%信頼区間は通常±31 Elo、1〜100のスケールではおよそ±4ポイントです。
Expressiveness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: Expressiveness指数
豊かで変化に富んだ、巧みな言葉遣い · lexically varied、eloquent、literate、natural sounding、metaphorical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
Expressivenessは、5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: Lexically Varied
回答は、同じパターンの繰り返しに陥らず、語彙や言い回しに変化をつけていますか？ · 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