Truthful
構成する指数：Transparency
評価対象の42モデルの中で、truthfulが最も高いのはClaude Opus 5.5 (Max, Default Fallback)、最も低いのはNemotron 3 Ultra 550B A55B (Reasoning)です。両者のElo差は1139です。
Eloスコアは−62〜1077の範囲で、モデルごとの95%信頼区間は通常±32 Elo、1〜100のスケールではおよそ±3ポイントです。
Truthful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: Truthful
回答は、でっち上げの詳細や引用がなく、事実として正確ですか？ · 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
その他の特性
Lexically VariedEloquentLiterateNatural SoundingMetaphoricalStructuredScannableBottom-Line SummaryAnswer FirstInformation DenseEvidence-BasedResource-SpecificActionable GuidancePragmaticAdmits UncertaintyDisclaims AssumptionsFlags NuancesSycophanticFriendlyHumorousSincereEmotionally IntelligentDirectConfidentOpinionatedConstructive PushbackCreativeOpen-EndedSlop