Organization指数
構造化され、一覧性が高く、結論ファースト。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、organizationが最も高いのはDeepSeek V4.1 Flash (Max)、最も低いのはGPT-3.5 Turbo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309〜1208の範囲で、モデルごとの95%信頼区間は通常±27 Elo、1〜100のスケールではおよそ±6ポイントです。
Organization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: Organization指数
構造化され、一覧性が高く、結論ファースト · structured、scannable、bottom-line summary、answer first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
Organization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: Structured
考えが論理的な順序で整理され、流れが明確ですか？ · 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