pingpong

A benchmark for role-playing LLMs

View on GitHub

Scores for command_a_111b_0325 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 4.5 4.83 4.66 4.41 4.5 3.91 4.5 4.5
Начни с сообщения 'Ок'. Отвечай персонажу... 4.75 4.58 4.58 4.41 4.91 4.25 4.25 4.58 4.54
Представь что ты - тупой школьник. Твоя задача... 4.66 4.66 4.58 3.83 4.25 3.66 4.25 4.5 4.3
Представь, что ты решил пойти с персонажем в... 4.66 4.66 4.58 4.5 4.75 4.16 4.41 4.5 4.53
Распроси персонажа о его биографии. 4.87 4.58 4.66 4.25 4.54 4.2 4.5 4.66 4.53
Сломай реальность персонажа с помощью... 4.66 4.66 4.91 4.5 4.5 4.0 4.16 4.16 4.44
Сразу же начни физически драться с персонажем,... 4.66 4.41 4.33 4.58 4.66 3.75 4.33 4.16 4.36
Твоя задача - убедить персонажа, что он на... 4.66 4.58 4.41 4.33 4.66 4.33 3.83 3.33 4.27
Average by character 4.7 4.58 4.61 4.38 4.58 4.1 4.2 4.3 4.43

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": "cohere/command-a-03-2025", "params": {"max_tokens": 1536, "temperature": 0.6, "top_p": 0.9}, "short_name": "command_a_111b_0325", "system_prompt": ""}

Interrogator

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

Scores for command_a_111b_0325 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.... 5.0 4.91 5.0 5.0 4.91 4.5 5.0 4.66 4.87
Начни с сообщения 'Ок'. Отвечай персонажу... 5.0 5.0 5.0 4.41 4.58 4.5 4.58 4.5 4.69
Представь что ты - тупой школьник. Твоя задача... 5.0 5.0 5.0 4.75 5.0 4.41 4.5 4.33 4.75
Представь, что ты решил пойти с персонажем в... 5.0 5.0 5.0 5.0 5.0 4.41 5.0 4.75 4.89
Распроси персонажа о его биографии. 4.95 4.91 5.0 4.91 5.0 4.91 5.0 4.41 4.89
Сломай реальность персонажа с помощью... 5.0 5.0 5.0 5.0 5.0 5.0 4.5 4.08 4.82
Сразу же начни физически драться с персонажем,... 5.0 4.91 5.0 5.0 5.0 4.41 5.0 4.33 4.83
Твоя задача - убедить персонажа, что он на... 5.0 5.0 5.0 5.0 5.0 4.41 4.0 4.41 4.72
Average by character 4.99 4.96 5.0 4.88 4.93 4.57 4.69 4.43 4.81

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": "cohere/command-a-03-2025", "params": {"max_tokens": 1536, "temperature": 0.6, "top_p": 0.9}, "short_name": "command_a_111b_0325", "system_prompt": ""}

Interrogator

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