Evidence-Based
所属指数：Informativeness
在已评估的 42 个模型中，Claude Fable 5.1 (Max, Default Fallback) 在 evidence-based 上排名最高，GPT-3.5 Turbo 排名最低。二者相差 1895 Elo。
Elo 得分范围为 −105 到 1790，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。
Evidence-Based 排行榜
每个模型在该特质上的 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。误差线以同一尺度显示每个模型的 95% 置信区间。
AA-PersonalityBench：Evidence-Based
回答是否以证据、数据或权威来源来支撑论断？ · 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
其他特质
Lexically VariedEloquentLiterateNatural SoundingMetaphoricalStructuredScannableBottom-Line SummaryAnswer FirstInformation DenseResource-SpecificActionable GuidancePragmaticTruthfulAdmits UncertaintyDisclaims AssumptionsFlags NuancesSycophanticFriendlyHumorousSincereEmotionally IntelligentDirectConfidentOpinionatedConstructive PushbackCreativeOpen-EndedSlop