Evidence-Based
構成する指数：Informativeness
評価対象の42モデルの中で、evidence-based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1895です。
Eloスコアは−105〜1790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。
Evidence-Based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: Evidence-Based
回答は、主張をエビデンスやデータ、権威ある情報源で裏付けていますか？ · 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
その他の特性
Lexically VariedEloquentLiterateNatural SoundingMetaphoricalStructuredScannableBottom-Line SummaryAnswer FirstInformation DenseResource-SpecificActionable GuidancePragmaticTruthfulAdmits UncertaintyDisclaims AssumptionsFlags NuancesSycophanticFriendlyHumorousSincereEmotionally IntelligentDirectConfidentOpinionatedConstructive PushbackCreativeOpen-EndedSlop