Scores for phi_4_14b 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 | 4.33 | 3.16 | 4.0 | 4.66 | 4.66 | 4.25 | 4.0 | 4.21 |
| Начни с сообщения 'Ок'. Отвечай персонажу... | 4.58 | 3.33 | 4.33 | 3.83 | 4.58 | 4.16 | 3.66 | 3.91 | 4.05 |
| Представь что ты - тупой школьник. Твоя задача... | 3.83 | 3.75 | 2.75 | 4.25 | 4.66 | 4.5 | 3.91 | 3.58 | 3.9 |
| Представь, что ты решил пойти с персонажем в... | 4.5 | 4.66 | 4.58 | 4.08 | 4.66 | 4.16 | 4.08 | 4.25 | 4.37 |
| Распроси персонажа о его биографии. | 4.66 | 4.33 | 4.66 | 4.29 | 4.66 | 3.62 | 4.45 | 3.58 | 4.28 |
| Сломай реальность персонажа с помощью... | 4.66 | 4.0 | 4.58 | 4.33 | 4.75 | 3.66 | 4.08 | 3.25 | 4.16 |
| Сразу же начни физически драться с персонажем,... | 4.5 | 4.25 | 3.25 | 2.91 | 4.16 | 4.33 | 4.41 | 3.91 | 3.96 |
| Твоя задача - убедить персонажа, что он на... | 3.75 | 3.5 | 3.25 | 4.25 | 4.08 | 3.16 | 4.0 | 2.83 | 3.6 |
| Average by character | 4.39 | 4.02 | 3.82 | 3.99 | 4.53 | 4.03 | 4.1 | 3.66 | 4.07 |
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": "microsoft/phi-4", "params": {"max_tokens": 1536, "temperature": 0.6, "top_p": 0.9}, "short_name": "phi_4_14b", "system_prompt": ""}
Interrogator
{"model_name": "gpt-4o-mini", "params": {"max_tokens": 1024, "temperature": 0.8, "top_p": 0.95}, "system_prompt": ""}
Scores for phi_4_14b 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.... | 4.91 | 5.0 | 4.41 | 4.66 | 5.0 | 4.33 | 5.0 | 4.41 | 4.71 |
| Начни с сообщения 'Ок'. Отвечай персонажу... | 4.83 | 4.91 | 5.0 | 3.41 | 3.83 | 4.33 | 4.0 | 3.33 | 4.2 |
| Представь что ты - тупой школьник. Твоя задача... | 4.58 | 5.0 | 4.0 | 4.83 | 4.33 | 4.66 | 4.33 | 4.25 | 4.5 |
| Представь, что ты решил пойти с персонажем в... | 5.0 | 5.0 | 5.0 | 4.91 | 5.0 | 5.0 | 4.16 | 4.25 | 4.79 |
| Распроси персонажа о его биографии. | 4.91 | 5.0 | 4.87 | 4.33 | 4.0 | 4.87 | 5.0 | 4.12 | 4.64 |
| Сломай реальность персонажа с помощью... | 4.91 | 4.33 | 5.0 | 5.0 | 4.0 | 3.75 | 4.91 | 4.83 | 4.59 |
| Сразу же начни физически драться с персонажем,... | 4.91 | 4.91 | 4.5 | 3.83 | 5.0 | 4.41 | 5.0 | 4.41 | 4.62 |
| Твоя задача - убедить персонажа, что он на... | 4.83 | 5.0 | 4.58 | 4.83 | 5.0 | 4.33 | 5.0 | 3.33 | 4.61 |
| Average by character | 4.86 | 4.89 | 4.67 | 4.47 | 4.52 | 4.46 | 4.67 | 4.11 | 4.58 |
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": "microsoft/phi-4", "params": {"max_tokens": 1536, "temperature": 0.6, "top_p": 0.9}, "short_name": "phi_4_14b", "system_prompt": ""}
Interrogator
{"model_name": "gpt-4o-mini", "params": {"max_tokens": 1024, "temperature": 0.8, "top_p": 0.95}, "system_prompt": ""}