模型答对还不够:AA-PersonalityBench用900道题给默认文风打分,8项指数排到1至100
两个模型可以答得同样正确,用起来却感觉完全不同。AA-PersonalityBench把这种差别变成可测的量:30个性格特质各配30道题,共900道,模型在无系统提示下各答一遍,由一组大模型评审盲测两两比较,再汇总成表达力、条理性、信息量、透明度、温暖度、信念感、想象力与Slop共8项指数,另从回答中程序化提取21项沟通特征。
两个模型可以答得同样正确,用起来却感觉完全不同。AA-PersonalityBench把这种差别变成可测的量:30个性格特质各配30道题,共900道,模型在无系统提示下各答一遍,由一组大模型评审盲测两两比较,再汇总成表达力、条理性、信息量、透明度、温暖度、信念感、想象力与Slop共8项指数,另从回答中程序化提取21项沟通特征。
已读完全部报道