Informativeness 指数
实用深度、证据支撑、可操作的内容。该指数将每个成员特质的 Elo 在基准测试中所有已评估模型之间转换为 z 分数，计算平均值（反向特质以负值计入），再将结果换算为 1 到 100 的百分位排名。
在已评估的 42 个模型中，Muse Spark 1.3 (Max) 在 informativeness 上排名最高，GPT-3.5 Turbo 排名最低。
在该指数的 5 个特质中，Elo 得分平均范围为 −14 到 1774，每个模型的典型 95% 置信区间为 ±31 Elo，在 1 到 100 的尺度上约合 ±4 分。
Informativeness 排行榜
每个模型特质 Elo z 分数的平均值，在基准测试中所有已评估模型之间换算为 1 到 100 的百分位排名。误差线显示每个模型的 95% 置信区间。
AA-PersonalityBench：Informativeness 指数
实用深度、证据支撑、可操作的内容 · 每个模型在 information dense、evidence-based、resource-specific、actionable guidance和pragmatic 上的 Elo z 分数平均值 · 在基准测试中所有已评估模型之间换算为 1 到 100 的百分位排名
成员特质
Informativeness 由 5 个特质的 z 分数化 Elo 构建而成。 打开任一特质即可查看其完整排行榜。
特质排行榜
每个成员特质的 Elo 在基准测试中所有已评估模型之间换算为 1 到 100 的百分位排名。
AA-PersonalityBench：Information Dense
每句话能让读者学到多少东西：是具体内容，还是浮于表面的泛泛而谈？ · 特质 Elo 在基准测试中所有已评估模型之间换算为 1 到 100 的百分位排名