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": ""}