Artificial Analysis 发布人格基准，30 项特质给模型文风打分
ArtificialAnlys · x · 2026-11-04
Artificial Analysis 推出 AA-PersonalityBench，专门衡量模型「怎么说话」而非「说得对不对」。
- 方法：30 项人格特质两两对比，由 LLM 评审团对同一 prompt 的两个回答判定哪个更体现该特质（不论好坏），每项特质 30 条 prompt、共 900 条，用 Bradley-Terry 转成每项特质的 Elo 分。
- 8 个指数：表达力、条理性、信息量、透明度、亲和力、笃定感、想象力、Slop（废话度），每个指数为其特质 Elo z-score 的均值，再在全部参评模型内做 1–100 百分位排名。
- 21 项沟通特征：长度、结构、标点、强调等直接从回答中测量。
- 榜单：闭源组前列包括 Claude Opus 5.5、GPT-6 Astra、GPT-6.1 Sol、Claude Sonnet 5.5 (max)、Gemini 4 Argon 等；开源权重组前列有 Kimi K3.1 Pro 等。结果为组内平均，组内个体模型差异较大。
- 官方提供可自定义的人格排名页面与完整方法论。
所属事件:AA 推出人格基准：给大模型文风与性格打分(3 条相关)→
「模型」频道最新
- 博主晒海外 AI 数字员工分工：GPT 管后端、Claude 剪片、Gemini 写文案 — lxfater · 2026-11-04
- 印度 CERT-In 获准用 Claude 测试网络安全漏洞 — kingslyj · 2026-11-04
- Deep Principle 基于 GLM 发布科研助手模型 Hydrogen-1.0 — pmttyji · 2026-11-04
- 用户实测：Claude Opus 5.5 会主动标注自己「最得意的句子」不可信 — RileyRalmuto · 2026-11-04
- xAI 员工 dogfood 新购物功能:让 Grok bot 自己下单买装饰 — Baconbrix · 2026-11-04
- OpenHands+Harbor+SkyRL 组合，让产品公司给自己的 Agent Harness 做后训练 — StasBekman · 2026-11-04