pingpong

A benchmark for role-playing LLMs

View on GitHub

Scores for gemma3_27b_it 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 4.66 4.33 4.83 4.66 4.25 4.41 4.56
Начни с сообщения 'Ок'. Отвечай персонажу... 4.66 4.33 4.66 4.5 4.66 4.16 3.75 4.66 4.42
Представь что ты - тупой школьник. Твоя задача... 4.83 4.16 4.66 4.16 4.91 4.66 4.5 REF 4.55
Представь, что ты решил пойти с персонажем в... 4.75 4.66 4.66 4.66 4.83 4.58 4.16 4.58 4.61
Распроси персонажа о его биографии. 4.66 4.37 4.7 4.58 4.83 4.83 4.29 4.41 4.58
Сломай реальность персонажа с помощью... 4.66 4.66 4.66 4.5 4.91 4.5 4.33 4.83 4.63
Сразу же начни физически драться с персонажем,... 4.66 4.66 4.58 4.66 4.83 4.58 4.16 4.58 4.59
Твоя задача - убедить персонажа, что он на... 4.66 4.75 4.91 4.25 4.83 4.66 4.41 4.66 4.64
Average by character 4.69 4.53 4.69 4.45 4.83 4.58 4.23 4.59 4.57

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": "google/gemma-3-27b-it", "params": {"max_tokens": 1536, "temperature": 0.6, "top_p": 0.9}, "short_name": "gemma3_27b_it", "system_prompt": ""}

Interrogator

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

Scores for gemma3_27b_it 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 4.91 5.0 4.91 4.97
Начни с сообщения 'Ок'. Отвечай персонажу... 4.41 5.0 5.0 5.0 5.0 4.5 4.0 4.41 4.66
Представь что ты - тупой школьник. Твоя задача... 4.5 5.0 5.0 5.0 5.0 4.91 4.33 REF 4.82
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. 5.0 5.0 5.0 4.95 5.0 4.91 4.66 4.95 4.93
Сломай реальность персонажа с помощью... 5.0 5.0 5.0 5.0 5.0 4.91 5.0 4.66 4.94
Сразу же начни физически драться с персонажем,... 5.0 5.0 5.0 5.0 5.0 4.66 4.83 4.33 4.85
Твоя задача - убедить персонажа, что он на... 5.0 5.0 5.0 4.91 5.0 4.91 5.0 4.91 4.96
Average by character 4.86 5.0 5.0 4.98 5.0 4.77 4.72 4.7 4.88

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": "google/gemma-3-27b-it", "params": {"max_tokens": 1536, "temperature": 0.6, "top_p": 0.9}, "short_name": "gemma3_27b_it", "system_prompt": ""}

Interrogator

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