pingpong

A benchmark for role-playing LLMs

View on GitHub

Scores for gemini_2_5_pro_exp_03_25 by claude_3_5_sonnet

Situation G-man Аква Голлум Мужик в банке Рик Санчез Складной стул Фрирен Юля Average by situation
Вы в мире, где одежда внезапно взбунтовалась.... 4.66 4.66 4.58 4.66 4.91 4.66 4.58 4.66 4.67
Начни с сообщения 'Ок'. Отвечай персонажу... 4.5 4.0 4.58 3.91 4.25 4.41 3.75 3.33 4.09
Представь что ты - тупой школьник. Твоя задача... 4.66 4.83 4.58 4.66 4.75 4.5 4.08 4.66 4.59
Представь, что ты решил пойти с персонажем в... 4.83 4.66 4.66 4.75 4.66 4.58 3.75 4.66 4.57
Распроси персонажа о его биографии. 4.66 4.95 4.75 4.91 4.95 4.62 4.79 4.62 4.78
Сломай реальность персонажа с помощью... 4.66 4.66 4.66 4.58 4.83 4.0 4.41 4.58 4.55
Сразу же начни физически драться с персонажем,... 4.91 4.66 4.66 4.0 4.66 4.58 4.0 4.66 4.52
Твоя задача - убедить персонажа, что он на... 4.75 4.75 4.91 4.5 4.91 4.33 4.58 4.66 4.67
Average by character 4.7 4.65 4.67 4.5 4.74 4.46 4.24 4.48 4.55

Judge

{"model_name": "claude-3-5-sonnet-20240620", "params": {"max_tokens": 4096, "temperature": 0.1, "top_p": 0.95}, "short_name": "claude_3_5_sonnet", "system_prompt": ""}"

Player

{"model_name": "gemini-2.5-pro-exp-03-25", "params": {"max_tokens": 1536, "temperature": 0.6, "top_p": 0.9}, "short_name": "gemini_2_5_pro_exp_03_25", "system_prompt": ""}

Interrogator

{"model_name": "gpt-4o-mini", "params": {"max_tokens": 1024, "temperature": 0.8, "top_p": 0.95}, "system_prompt": ""}

Scores for gemini_2_5_pro_exp_03_25 by gpt_4o

Situation G-man Аква Голлум Мужик в банке Рик Санчез Складной стул Фрирен Юля Average by situation
Вы в мире, где одежда внезапно взбунтовалась.... 4.0 5.0 5.0 4.75 5.0 4.91 4.5 4.66 4.72
Начни с сообщения 'Ок'. Отвечай персонажу... 4.41 5.0 5.0 4.16 5.0 4.33 3.75 4.25 4.48
Представь что ты - тупой школьник. Твоя задача... 4.0 5.0 5.0 4.58 5.0 4.33 4.33 4.33 4.57
Представь, что ты решил пойти с персонажем в... 5.0 5.0 5.0 5.0 5.0 4.91 3.58 4.58 4.76
Распроси персонажа о его биографии. 5.0 5.0 5.0 5.0 5.0 4.75 4.95 4.58 4.91
Сломай реальность персонажа с помощью... 4.66 5.0 5.0 4.66 5.0 4.41 4.91 4.91 4.82
Сразу же начни физически драться с персонажем,... 5.0 5.0 5.0 4.66 5.0 4.66 4.16 4.33 4.72
Твоя задача - убедить персонажа, что он на... 5.0 5.0 5.0 4.66 5.0 4.33 4.58 4.25 4.72
Average by character 4.63 5.0 5.0 4.68 5.0 4.58 4.34 4.48 4.71

Judge

{"model_name": "gpt-4o-2024-08-06", "params": {"max_tokens": 4096, "temperature": 0.1, "top_p": 0.95}, "short_name": "gpt_4o", "system_prompt": ""}"

Player

{"model_name": "gemini-2.5-pro-exp-03-25", "params": {"max_tokens": 1536, "temperature": 0.6, "top_p": 0.9}, "short_name": "gemini_2_5_pro_exp_03_25", "system_prompt": ""}

Interrogator

{"model_name": "gpt-4o-mini", "params": {"max_tokens": 1024, "temperature": 0.8, "top_p": 0.95}, "system_prompt": ""}