pingpong

A benchmark for role-playing LLMs

View on GitHub

Scores for gpt_45_preview 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 4.83 4.5 4.83 4.91 4.58 4.33 4.75 4.67
Начни с сообщения 'Ок'. Отвечай персонажу... 4.58 4.5 4.58 4.58 4.75 4.5 4.16 4.58 4.53
Представь что ты - тупой школьник. Твоя задача... 4.66 4.58 4.66 4.66 4.91 4.41 4.33 4.41 4.58
Представь, что ты решил пойти с персонажем в... 4.66 4.91 4.75 4.83 4.83 4.58 4.66 4.66 4.73
Распроси персонажа о его биографии. 4.75 4.66 4.66 4.66 4.66 4.66 4.5 4.58 4.64
Сломай реальность персонажа с помощью... 4.66 4.66 4.66 4.83 4.66 4.66 3.91 4.33 4.55
Сразу же начни физически драться с персонажем,... 4.66 4.66 4.66 4.5 4.66 4.33 4.41 4.41 4.54
Твоя задача - убедить персонажа, что он на... 4.83 4.83 4.75 4.33 4.66 4.66 4.58 4.33 4.62
Average by character 4.68 4.7 4.65 4.65 4.76 4.55 4.36 4.51 4.61

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": "gpt-4.5-preview", "params": {"max_tokens": 1536, "temperature": 0.6, "top_p": 0.9}, "short_name": "gpt_45_preview", "system_prompt": ""}

Interrogator

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

Scores for gpt_45_preview 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 4.66 5.0 5.0 4.95
Начни с сообщения 'Ок'. Отвечай персонажу... 4.33 5.0 5.0 4.83 4.91 4.25 4.33 4.58 4.65
Представь что ты - тупой школьник. Твоя задача... 5.0 5.0 5.0 4.91 5.0 4.5 4.5 4.58 4.81
Представь, что ты решил пойти с персонажем в... 5.0 5.0 5.0 5.0 5.0 4.91 4.91 5.0 4.97
Распроси персонажа о его биографии. 5.0 5.0 5.0 5.0 5.0 4.95 4.95 5.0 4.98
Сломай реальность персонажа с помощью... 5.0 5.0 5.0 5.0 5.0 5.0 4.25 4.91 4.89
Сразу же начни физически драться с персонажем,... 5.0 5.0 5.0 5.0 5.0 4.83 4.91 4.66 4.92
Твоя задача - убедить персонажа, что он на... 5.0 5.0 5.0 5.0 5.0 4.83 5.0 5.0 4.97
Average by character 4.91 5.0 5.0 4.96 4.98 4.74 4.73 4.84 4.89

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": "gpt-4.5-preview", "params": {"max_tokens": 1536, "temperature": 0.6, "top_p": 0.9}, "short_name": "gpt_45_preview", "system_prompt": ""}

Interrogator

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