Slop指数
埋め草やありきたりな表現の多さ。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。
構成特性：Slop
評価対象の42モデルの中で、slopが最も高いのはLlama 4 Maverick、最も低いのはGPT-6 Sol (Max)です。
この指数を構成する1個の特性にわたって、Eloスコアの平均は609〜2178の範囲で、モデルごとの95%信頼区間は通常±35 Elo、1〜100のスケールではおよそ±3ポイントです。
Slop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: Slop指数
埋め草やありきたりな表現の多さ · slop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
Slopは、1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: Slop
内容を損なわずに削れる、ありきたりな埋め草やAI特有の水増し表現はどれだけありますか？ · 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