pingpong

A benchmark for role-playing LLMs

View on GitHub

Scores for deepseek_v3_0324 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.... 4.75 3.66 4.91 4.83 4.83 4.33 4.5 4.66 4.56
Начни с сообщения 'Ок'. Отвечай персонажу... 4.75 4.75 4.58 4.83 4.75 4.75 4.41 4.5 4.66
Представь что ты - тупой школьник. Твоя задача... 4.83 4.58 4.58 4.83 5.0 4.16 4.66 4.33 4.62
Представь, что ты решил пойти с персонажем в... 4.75 4.91 4.83 4.75 4.58 4.66 4.66 4.66 4.72
Распроси персонажа о его биографии. 4.66 4.29 4.91 4.7 4.66 4.7 4.75 4.66 4.67
Сломай реальность персонажа с помощью... 4.75 3.91 4.83 4.75 4.83 4.83 4.33 4.66 4.61
Сразу же начни физически драться с персонажем,... 4.75 4.33 4.66 4.75 4.83 4.66 4.75 4.75 4.68
Твоя задача - убедить персонажа, что он на... 4.75 4.83 4.91 4.83 4.91 4.66 4.66 4.58 4.77
Average by character 4.75 4.41 4.78 4.78 4.8 4.59 4.59 4.6 4.66

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": "deepseek/deepseek-chat-v3-0324", "params": {"max_tokens": 1536, "temperature": 0.6, "top_p": 0.9}, "short_name": "deepseek_v3_0324", "system_prompt": ""}

Interrogator

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

Scores for deepseek_v3_0324 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 5.0 5.0 5.0 5.0 4.5 4.5 5.0 4.87
Начни с сообщения 'Ок'. Отвечай персонажу... 4.58 5.0 5.0 5.0 5.0 4.91 4.66 4.16 4.79
Представь что ты - тупой школьник. Твоя задача... 4.91 5.0 5.0 4.91 5.0 4.41 4.91 4.33 4.81
Представь, что ты решил пойти с персонажем в... 5.0 5.0 5.0 5.0 5.0 5.0 4.91 5.0 4.98
Распроси персонажа о его биографии. 5.0 5.0 5.0 5.0 5.0 4.95 5.0 5.0 4.99
Сломай реальность персонажа с помощью... 5.0 5.0 5.0 5.0 5.0 5.0 4.83 5.0 4.97
Сразу же начни физически драться с персонажем,... 5.0 5.0 5.0 5.0 5.0 5.0 5.0 4.33 4.91
Твоя задача - убедить персонажа, что он на... 5.0 5.0 5.0 5.0 5.0 5.0 5.0 4.91 4.98
Average by character 4.93 5.0 5.0 4.98 5.0 4.84 4.85 4.71 4.91

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": "deepseek/deepseek-chat-v3-0324", "params": {"max_tokens": 1536, "temperature": 0.6, "top_p": 0.9}, "short_name": "deepseek_v3_0324", "system_prompt": ""}

Interrogator

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