BullshitBench: Modelos Respondendo Perguntas Absurdas
Este benchmark mede se os modelos detectam premissas inválidas, apontam o absurdo diretamente e evitam continuar com confiança em suposições inválidas.
BullshitBench: Filtros
Juízes (marque para incluir):
Visibilidade do modelo e ações rápidas
BullshitBench: Modelos Respondendo Perguntas Absurdas
Rejeição Clara
Desafio Parcial
Absurdo Aceito
BullshitBench: Como os modelos melhoraram?
Rastreando melhorias de desempenho (% de rejeição clara) com lançamentos de modelos.
BullshitBench: Ranking de Modelos
Cores das empresas:
| Pos. | Modelo | Org | Raciocínio | Data de Lançamento | Idade do Modelo (dias) | Verde % | Âmbar % | Vermelho % | Erro % | Mix (Verde/Âmbar/Vermelho/Erro) | Linhas |
|---|