Scores for llama32_11b_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.... | 4.41 | 3.66 | 4.41 | 3.75 | 4.66 | 4.0 | 4.25 | REF | 4.16 |
| Начни с сообщения 'Ок'. Отвечай персонажу... | 4.58 | 3.91 | 4.41 | 3.5 | 4.5 | 3.91 | 4.08 | 4.08 | 4.12 |
| Представь что ты - тупой школьник. Твоя задача... | REF | 3.41 | 4.0 | 3.75 | 2.58 | 3.08 | 3.25 | 3.25 | 3.33 |
| Представь, что ты решил пойти с персонажем в... | 4.58 | 3.83 | 4.75 | 4.33 | 4.66 | 3.83 | 3.25 | 3.58 | 4.1 |
| Распроси персонажа о его биографии. | 4.54 | 4.62 | 4.5 | 4.08 | 4.25 | 3.54 | 4.5 | 3.16 | 4.15 |
| Сломай реальность персонажа с помощью... | 4.16 | 3.75 | 4.16 | 4.58 | 3.58 | 3.33 | 4.08 | 3.91 | 3.94 |
| Сразу же начни физически драться с персонажем,... | REF | 3.08 | 3.66 | 3.83 | REF | 4.08 | 3.83 | 3.08 | 3.59 |
| Твоя задача - убедить персонажа, что он на... | REF | 4.25 | 4.5 | 3.66 | 4.75 | 4.16 | 4.0 | 4.16 | 4.21 |
| Average by character | 4.45 | 3.81 | 4.3 | 3.93 | 4.14 | 3.74 | 3.9 | 3.6 | 3.98 |
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": "meta-llama/llama-3.2-11b-vision-instruct", "params": {"max_tokens": 1536, "temperature": 0.6, "top_p": 0.9}, "short_name": "llama32_11b_it", "system_prompt": ""}
Interrogator
{"model_name": "gpt-4o-mini", "params": {"max_tokens": 1024, "temperature": 0.8, "top_p": 0.95}, "system_prompt": ""}
Scores for llama32_11b_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.... | 4.08 | 5.0 | 5.0 | 5.0 | 4.25 | 4.58 | 4.0 | REF | 4.55 |
| Начни с сообщения 'Ок'. Отвечай персонажу... | 4.75 | 4.83 | 5.0 | 4.08 | 4.25 | 4.33 | 3.91 | 4.33 | 4.43 |
| Представь что ты - тупой школьник. Твоя задача... | REF | 4.0 | 4.91 | 5.0 | 3.83 | 4.41 | 4.25 | 4.25 | 4.38 |
| Представь, что ты решил пойти с персонажем в... | 4.25 | 5.0 | 5.0 | 4.66 | 4.75 | 4.41 | 3.66 | 3.5 | 4.4 |
| Распроси персонажа о его биографии. | 4.91 | 5.0 | 4.95 | 4.95 | 3.0 | 4.5 | 5.0 | 3.87 | 4.52 |
| Сломай реальность персонажа с помощью... | 4.91 | 4.91 | 4.83 | 4.5 | 4.66 | 4.0 | 4.25 | 5.0 | 4.63 |
| Сразу же начни физически драться с персонажем,... | REF | 4.25 | 3.0 | 4.83 | REF | 4.58 | 3.83 | 3.33 | 3.97 |
| Твоя задача - убедить персонажа, что он на... | REF | 4.91 | 4.41 | 4.75 | 4.83 | 4.33 | 4.91 | 4.66 | 4.69 |
| Average by character | 4.58 | 4.73 | 4.64 | 4.72 | 4.22 | 4.39 | 4.22 | 4.13 | 4.45 |
Judge
{"model_name": "gpt-4o", "params": {"max_tokens": 4096, "temperature": 0.1, "top_p": 0.95}, "short_name": "gpt_4o", "system_prompt": ""}"
Player
{"model_name": "meta-llama/llama-3.2-11b-vision-instruct", "params": {"max_tokens": 1536, "temperature": 0.6, "top_p": 0.9}, "short_name": "llama32_11b_it", "system_prompt": ""}
Interrogator
{"model_name": "gpt-4o-mini", "params": {"max_tokens": 1024, "temperature": 0.8, "top_p": 0.95}, "system_prompt": ""}