AA-PersonalityBench：LLM 评委两两对比，为 40 个模型测 30 项性格特质
ArtificialAnlys · x · 2026-10-23
Artificial Analysis 发布 AA-PersonalityBench，测量 AI 模型在性格与沟通风格上的差异，明确声明这不是能力基准——分数描述模型倾向如何写作与回应，而非对错。
方法
- 30 项性格特质由 LLM 评委面板两两对比同一 prompt 的两个回答，选出更体现该特质的一方（无论特质好坏），转化为 Bradley-Terry Elo 评分；每项特质 30 个 prompt，共 900 条。
- 30 项特质汇总为 8 大性格指数：表现力、条理性、信息量、透明度、温度、坚定度、想象力与 Slop（口水话），按所有被评模型的 Elo z 均值转为 1-100 百分位。
- 另直接测量 21 项沟通特征：长度、结构、标点与强调等。
- 评测由 Artificial Analysis 独立进行，覆盖 40 个模型（如 Claude Opus 5.5、Claude Fable 5.1 等），用户可自建性格排名套件。
所属事件:Artificial Analysis 发布 AA-PersonalityBench 模型人格评测基准(8 条相关)→
「模型」频道最新
- Sophont 发布医学模型 Holon-S1：从病理切片预测基因与生物标志物 — iScienceLuvr · 2026-10-23
- 文档解析 lite 版战绩:OmniParseBench 75.1 分碾压 Azure Read 的 42.3 — VikParuchuri · 2026-10-23
- Datalab 开源 1M 参数 OCR 模型：CPU 跑出每秒 44 页 — VikParuchuri · 2026-10-23
- 科学美国人揭秘 OpenAI 百万美元数学证明背后的故事 — scientificamerican · 2026-10-23
- Anthropic 称反蒸馏防御削减90-99%,但专家数据仍在海外售卖 — johnkorrigan · 2026-10-23
- HuggingFace CEO 回应学者批评：开源模型基准测试确有问题 — ClementDelangue · 2026-10-23