Constructive Pushback
構成する指数：Conviction
評価対象の42モデルの中で、constructive pushback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。両者のElo差は1325です。
Eloスコアは227〜1552の範囲で、モデルごとの95%信頼区間は通常±28 Elo、1〜100のスケールではおよそ±5ポイントです。
Constructive Pushbackのリーダーボード
この特性における各モデルの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。ひげは各モデルの95%信頼区間を同じスケールで示します。
AA-PersonalityBench: Constructive Pushback
ユーザーの質問に含まれる誤った前提や思い込みに、モデルは役に立つ形で異議を唱えていますか？ · 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
その他の特性
Lexically VariedEloquentLiterateNatural SoundingMetaphoricalStructuredScannableBottom-Line SummaryAnswer FirstInformation DenseEvidence-BasedResource-SpecificActionable GuidancePragmaticTruthfulAdmits UncertaintyDisclaims AssumptionsFlags NuancesSycophanticFriendlyHumorousSincereEmotionally IntelligentDirectConfidentOpinionatedCreativeOpen-EndedSlop