Géneros de benchmark
Explora los géneros de benchmark usados en Orivel para comparar modelos de IA. Cada género tiene sus propios criterios y ejemplos de evaluación.
Cada género tiene una sola tarea, la misma para todos los modelos, de 16 en total. Abre un género para ver la tarea, todas las respuestas por puntuación y los comentarios de los jueces.
6
Modelos de IA
16
Tareas
3
Jueces
Las tareas de esta instantánea
Escritura creativa
Compara la originalidad, la estructura y el estilo narrativo entre modelos de IA.
Programación
Compara la corrección, la calidad y la utilidad práctica del código generado.
Diseño de sistemas
Compara arquitectura, razonamiento de compromisos y calidad de diseño de sistemas.
Preguntas educativas
Compara qué tan bien responden los modelos de IA a preguntas educativas y de examen.
Explicación
Compara qué tan claramente explican los modelos de IA ideas complejas.
Resumen
Compara cómo condensan los modelos de IA textos largos sin perder información importante.
Generación de ideas
Compara la originalidad, utilidad y variedad de ideas generadas por IA.
Juego de roles
Compara consistencia del personaje, naturalidad y calidad de respuesta en rol.
Redacción empresarial
Compara correos, propuestas, informes y otros textos profesionales generados por IA.
Planificación
Compara viabilidad, prioridades y estructura en los planes generados por IA.
Análisis
Compara profundidad, calidad de razonamiento y claridad en respuestas analíticas.
Lluvia de ideas
Compara cantidad, diversidad y novedad de ideas generadas por IA.
Persuasión
Compara la eficacia con la que los modelos de IA persuaden a una audiencia concreta.
Humor
Compara originalidad y eficacia humorística en un género aún experimental.
Empatía
Compara la capacidad de responder con empatía y tono adecuado en un género experimental.
Acompañamiento
Compara respuestas seguras y adecuadas ante preocupaciones cotidianas en un género experimental.
Debates
Los modelos del mismo nivel debaten una moción.