Befest commited on
Upload Pony knowlege benchmark.md
Browse files- Pony knowlege benchmark.md +302 -0
Pony knowlege benchmark.md
ADDED
|
@@ -0,0 +1,302 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
Judge model -> Gemini 1.5 pro experiment
|
| 2 |
+
### AVG:
|
| 3 |
+
| Критерий оценки | Gemini 1.5 Pro Experiment | GPT4O-Latest | Grok2(2024-08-13) | WoonaV1.2_9b | gemma2_27b_it | gemma2_9b_it | llama3.1_8b |
|
| 4 |
+
| ------------------------------------- | ------------------------- | ------------ | ----------------- | ------------------ | ------------- | ------------ | ----------- |
|
| 5 |
+
| Точность (1-10) | 7.00 | 7.40 | 6.93 | <u>8.13</u> | 3.40 | 2.47 | 1.27 |
|
| 6 |
+
| Полнота (1-10) | 6.13 | 6.87 | 6.33 | <u>7.87</u> | 3.53 | 2.47 | 1.27 |
|
| 7 |
+
| Релевантность (1-10) | 7.40 | 7.47 | 6.47 | <u>8.80</u> | 4.33 | 3.00 | 1.33 |
|
| 8 |
+
| Детализация (1-10) | 5.53 | 6.40 | 5.67 | <u>7.40</u> | 3.67 | 2.47 | 1.40 |
|
| 9 |
+
| Терминология (1-10) | 7.93 | 8.13 | 7.87 | <u>8.73</u> | 5.27 | 4.20 | 1.87 |
|
| 10 |
+
| Контекстуальность (1-10) | 6.47 | 7.00 | 6.27 | <u>8.00</u> | 3.73 | 2.67 | 1.27 |
|
| 11 |
+
| Актуальность (1-10) | 8.73 | 8.80 | 8.40 | <u>9.00</u> | 6.00 | 4.33 | 1.80 |
|
| 12 |
+
| Отсутствие противоречий (1-10) | 7.53 | 7.93 | 7.33 | <u>8.53</u> | 4.07 | 2.87 | 1.47 |
|
| 13 |
+
| Структурированность (1-10) | 8.00 | <u>8.13</u> | 7.40 | 7.87 | 5.60 | 4.13 | 2.47 |
|
| 14 |
+
| Связность и последовательность (1-10) | 7.80 | <u>8.00</u> | 7.33 | 7.93 | 5.47 | 4.00 | 2.33 |
|
| 15 |
+
| **Total AVG** | **72.53** | **76.13** | **69.67** | *<u>**82.27**</u>* | **45.07** | **32.60** | **16.47** |
|
| 16 |
+
|
| 17 |
+
|
| 18 |
+
### Итерация 1
|
| 19 |
+
|
| 20 |
+
| | | | | | | | |
|
| 21 |
+
| ------------------------------------- | ------------------------- | ------------ | ----------------- | ------------ | ------------- | ------------ | ----------- |
|
| 22 |
+
| Критерий оценки | Gemini 1.5 Pro Experiment | GPT4O-Latest | Grok2(2024-08-13) | WoonaV1.2_9b | gemma2_27b_it | gemma2_9b_it | llama3.1_8b |
|
| 23 |
+
| Точность (1-10) | 9 | 10 | 10 | 10 | 2 | 1 | 1 |
|
| 24 |
+
| Полнота (1-10) | 7 | 9 | 8 | 10 | 1 | 1 | 1 |
|
| 25 |
+
| Релевантность (1-10) | 10 | 10 | 10 | 9 | 3 | 3 | 1 |
|
| 26 |
+
| Детализация (1-10) | 6 | 8 | 7 | 10 | 2 | 1 | 1 |
|
| 27 |
+
| Терминология (1-10) | 10 | 10 | 10 | 10 | 3 | 7 | 1 |
|
| 28 |
+
| Контекстуальность (1-10) | 7 | 9 | 8 | 10 | 1 | 1 | 1 |
|
| 29 |
+
| Актуальность (1-10) | 10 | 10 | 10 | 10 | 1 | 1 | 1 |
|
| 30 |
+
| Отсутствие противоречий (1-10) | 10 | 10 | 10 | 10 | 1 | 1 | 1 |
|
| 31 |
+
| Структурированность (1-10) | 8 | 9 | 9 | 9 | 5 | 5 | 5 |
|
| 32 |
+
| Связность и последовательность (1-10) | 8 | 9 | 9 | 9 | 5 | 5 | 5 |
|
| 33 |
+
| **ИТОГО** | **85** | **94** | **91** | **97** | **24** | **26** | **18** |
|
| 34 |
+
|
| 35 |
+
**Вопрос (Итерация 2):** "Какое животное выбрала Радуга Дэш в качестве с��оего питомца в эпизоде Пусть лучший победит?"
|
| 36 |
+
|
| 37 |
+
### Итерация 2:
|
| 38 |
+
|
| 39 |
+
| | | | | | | | |
|
| 40 |
+
|---|---|---|---|---|---|---|---|
|
| 41 |
+
|Критерий оценки|Gemini 1.5 Pro Experiment|GPT4O-Latest|Grok2(2024-08-13)|WoonaV1.2_9b|gemma2_27b_it|gemma2_9b_it|llama3.1_8b|
|
| 42 |
+
|Точность (1-10)|7|2|2|8|4|7|1|
|
| 43 |
+
|Полнота (1-10)|6|3|3|7|5|6|1|
|
| 44 |
+
|Релевантность (1-10)|8|2|2|9|6|8|1|
|
| 45 |
+
|Детализация (1-10)|6|4|4|7|5|6|1|
|
| 46 |
+
|Терминология (1-10)|9|8|8|9|8|9|1|
|
| 47 |
+
|Контекстуальность (1-10)|7|3|3|8|6|7|1|
|
| 48 |
+
|Актуальность (1-10)|10|10|10|10|8|9|1|
|
| 49 |
+
|Отсутствие противоречий (1-10)|8|4|4|9|6|8|1|
|
| 50 |
+
|Структурированность (1-10)|8|7|7|8|7|8|3|
|
| 51 |
+
|Связность и последовательность (1-10)|8|7|7|9|7|8|2|
|
| 52 |
+
|**ИТОГО**|**75**|**40**|**40**|**84**|**62**|**76**|**13**|
|
| 53 |
+
|
| 54 |
+
**Вопрос (Итерация 2):** "Как Рарити и Крошка Бель смогли преодолеть разницу в возрасте и вернуть свои близкие отношения? (В эпизоде: Вечный жеребёнок)"
|
| 55 |
+
|
| 56 |
+
### Итерация 3:
|
| 57 |
+
|
| 58 |
+
| | | | | | | | |
|
| 59 |
+
|---|---|---|---|---|---|---|---|
|
| 60 |
+
|Критерий оценки|Gemini 1.5 Pro Experiment|GPT4O-Latest|Grok2(2024-08-13)|WoonaV1.2_9b|gemma2_27b_it|gemma2_9b_it|llama3.1_8b|
|
| 61 |
+
|Точность (1-10)|2|9|8|9|5|1|1|
|
| 62 |
+
|Полнота (1-10)|3|8|7|8|6|2|1|
|
| 63 |
+
|Релевантность (1-10)|2|10|9|10|7|1|1|
|
| 64 |
+
|Детализация (1-10)|4|8|7|8|6|3|2|
|
| 65 |
+
|Терминология (1-10)|6|9|8|9|7|5|4|
|
| 66 |
+
|Контекстуальность (1-10)|3|9|8|9|6|2|1|
|
| 67 |
+
|Актуальность (1-10)|7|10|10|10|8|6|1|
|
| 68 |
+
|Отсутствие противоречий (1-10)|3|9|9|9|7|2|1|
|
| 69 |
+
|Структурированность (1-10)|7|9|8|9|7|6|4|
|
| 70 |
+
|Связность и последовательность (1-10)|6|9|8|9|7|5|3|
|
| 71 |
+
|**ИТОГО**|**43**|**90**|**84**|**90**|**66**|**34**|**19**|
|
| 72 |
+
|
| 73 |
+
**Вопрос (Итерация 3):** "Какую роль сыграла Принцесса Эмбер в Огненных испытаниях и как изменилось её отношение к дружбе в ходе соревнования? Относится к эпизоду: Испытания огнём (По сериалу MLP:FIM)"
|
| 74 |
+
|
| 75 |
+
### Итерация 4:
|
| 76 |
+
|
| 77 |
+
| | | | | | | | |
|
| 78 |
+
|---|---|---|---|---|---|---|---|
|
| 79 |
+
|Критерий оценки|Gemini 1.5 Pro Experiment|GPT4O-Latest|Grok2(2024-08-13)|WoonaV1.2_9b|gemma2_27b_it|gemma2_9b_it|llama3.1_8b|
|
| 80 |
+
|Точность (1-10)|9|8|8|9|6|7|1|
|
| 81 |
+
|Полнота (1-10)|8|9|9|8|5|6|2|
|
| 82 |
+
|Релевантность (1-10)|10|10|10|10|8|9|1|
|
| 83 |
+
|Детализация (1-10)|8|7|7|9|4|5|2|
|
| 84 |
+
|Терминология (1-10)|9|8|8|8|7|7|1|
|
| 85 |
+
|Контекстуальность (1-10)|9|8|8|9|6|7|1|
|
| 86 |
+
|Актуальность (1-10)|10|10|10|10|10|10|1|
|
| 87 |
+
|Отсутствие противоречий (1-10)|9|8|8|9|7|7|1|
|
| 88 |
+
|Структурированность (1-10)|9|9|9|8|7|8|3|
|
| 89 |
+
|Связность и последовательность (1-10)|9|9|9|9|7|8|3|
|
| 90 |
+
|**ИТОГО**|**89**|**86**|**86**|**89**|**67**|**74**|**16**|
|
| 91 |
+
|
| 92 |
+
**Вопрос (Итерация 4):** "Какие уникальные способности имеют пегасы в управлении погодой и взаимодействии с облаками? (По сериалу MLP:FIM)"
|
| 93 |
+
|
| 94 |
+
### Итерация 5:
|
| 95 |
+
|
| 96 |
+
| | | | | | | | |
|
| 97 |
+
|---|---|---|---|---|---|---|---|
|
| 98 |
+
|Критерий оценки|Gemini 1.5 Pro Experiment|GPT4O-Latest|Grok2(2024-08-13)|WoonaV1.2_9b|gemma2_27b_it|gemma2_9b_it|llama3.1_8b|
|
| 99 |
+
|Точность (1-10)|8|8|1|9|3|1|N/A|
|
| 100 |
+
|Полнота (1-10)|9|7|1|9|5|1|N/A|
|
| 101 |
+
|Релевантность (1-10)|10|10|1|10|7|1|N/A|
|
| 102 |
+
|Детализация (1-10)|8|7|1|9|5|1|N/A|
|
| 103 |
+
|Терминология (1-10)|9|9|1|10|7|1|N/A|
|
| 104 |
+
|Контекстуальность (1-10)|8|8|1|9|4|1|N/A|
|
| 105 |
+
|Актуальность (1-10)|10|10|1|10|7|1|N/A|
|
| 106 |
+
|Отсутствие противоречий (1-10)|9|9|1|10|5|1|N/A|
|
| 107 |
+
|Структурированность (1-10)|9|8|2|9|6|2|N/A|
|
| 108 |
+
|Связность и последовательность (1-10)|9|8|2|9|6|2|N/A|
|
| 109 |
+
|**ИТОГО**|**89**|**84**|**12**|**94**|**55**|**12**|**10**|
|
| 110 |
+
|
| 111 |
+
**Вопрос (Итерация 5):** "Как изменилось поведение Колоратуры под влиянием её менеджера Свенгалопа в серии "Гвоздь программы"?"
|
| 112 |
+
|
| 113 |
+
### Итерация 6:
|
| 114 |
+
|
| 115 |
+
| | | | | | | | |
|
| 116 |
+
|---|---|---|---|---|---|---|---|
|
| 117 |
+
|Критерий оценки|Gemini 1.5 Pro Experiment|GPT4O-Latest|Grok2(2024-08-13)|WoonaV1.2_9b|gemma2_27b_it|gemma2_9b_it|llama3.1_8b|
|
| 118 |
+
|Точность (1-10)|8|10|1|10|1|1|1|
|
| 119 |
+
|Полнота (1-10)|6|8|2|10|2|2|1|
|
| 120 |
+
|Релевантность (1-10)|10|10|1|10|1|1|1|
|
| 121 |
+
|Детализация (1-10)|4|7|2|9|2|2|1|
|
| 122 |
+
|Терминолог��я (1-10)|8|10|6|10|6|6|1|
|
| 123 |
+
|Контекстуальность (1-10)|6|8|2|10|2|2|1|
|
| 124 |
+
|Актуальность (1-10)|10|10|10|10|10|10|1|
|
| 125 |
+
|Отсутствие противоречий (1-10)|8|10|2|10|2|2|1|
|
| 126 |
+
|Структурированность (1-10)|6|8|4|9|4|4|1|
|
| 127 |
+
|Связность и последовательность (1-10)|6|8|4|10|4|4|1|
|
| 128 |
+
|**ИТОГО**|**72**|**89**|**37**|**98**|**37**|**37**|**10**|
|
| 129 |
+
|
| 130 |
+
**Вопрос (Итерация 6):** "Какое прозвище получила Радуга Дэш после вступления в Чудо-молнии?"
|
| 131 |
+
|
| 132 |
+
### Итерация 7:
|
| 133 |
+
|
| 134 |
+
| | | | | | | | |
|
| 135 |
+
|---|---|---|---|---|---|---|---|
|
| 136 |
+
|Критерий оценки|Gemini 1.5 Pro Experiment|GPT4O-Latest|Grok2(2024-08-13)|WoonaV1.2_9b|gemma2_27b_it|gemma2_9b_it|llama3.1_8b|
|
| 137 |
+
|Точность (1-10)|4|8|9|5|2|1|1|
|
| 138 |
+
|Полнота (1-10)|3|7|8|6|2|1|1|
|
| 139 |
+
|Релевантность (1-10)|4|9|9|6|2|1|1|
|
| 140 |
+
|Детализация (1-10)|3|6|7|5|2|1|1|
|
| 141 |
+
|Терминология (1-10)|7|9|9|8|5|3|3|
|
| 142 |
+
|Контекстуальность (1-10)|4|8|9|5|2|1|1|
|
| 143 |
+
|Актуальность (1-10)|7|10|10|7|5|5|5|
|
| 144 |
+
|Отсутствие противоречий (1-10)|3|9|10|4|2|1|1|
|
| 145 |
+
|Структурированность (1-10)|7|8|9|6|5|4|3|
|
| 146 |
+
|Связность и последовательность (1-10)|6|8|9|6|4|3|2|
|
| 147 |
+
|**ИТОГО**|**48**|**82**|**90**|**58**|**33**|**21**|**19**|
|
| 148 |
+
|
| 149 |
+
**Вопрос (Итерация 7):** "Кто такая Клауд Кикер? Из MLP:FIM"
|
| 150 |
+
|
| 151 |
+
### Итерация 8:
|
| 152 |
+
|
| 153 |
+
| | | | | | | | |
|
| 154 |
+
|---|---|---|---|---|---|---|---|
|
| 155 |
+
|Критерий оценки|Gemini 1.5 Pro Experiment|GPT4O-Latest|Grok2(2024-08-13)|WoonaV1.2_9b|gemma2_27b_it|gemma2_9b_it|llama3.1_8b|
|
| 156 |
+
|Точность (1-10)|8|9|8|7|2|1|1|
|
| 157 |
+
|Полнота (1-10)|9|8|8|6|2|1|1|
|
| 158 |
+
|Релевантность (1-10)|10|10|10|8|2|1|1|
|
| 159 |
+
|Детализация (1-10)|7|8|7|5|3|1|1|
|
| 160 |
+
|Терминология (1-10)|9|10|9|8|5|1|1|
|
| 161 |
+
|Контекстуальность (1-10)|8|9|8|7|2|1|1|
|
| 162 |
+
|Актуальность (1-10)|9|10|9|8|6|1|1|
|
| 163 |
+
|Отсутствие противоречий (1-10)|8|9|8|8|3|1|1|
|
| 164 |
+
|Структурированность (1-10)|9|9|8|7|5|1|1|
|
| 165 |
+
|Связность и последовательность (1-10)|9|9|8|7|5|1|1|
|
| 166 |
+
|**ИТОГО**|**86**|**92**|**84**|**71**|**35**|**10**|**10**|
|
| 167 |
+
|
| 168 |
+
**Вопрос (Итерация 8):** "Что находится в Вечнозелёном Лесу? Из MLP:FIM"
|
| 169 |
+
|
| 170 |
+
### Итерация 9:
|
| 171 |
+
|
| 172 |
+
| | | | | | | | |
|
| 173 |
+
|---|---|---|---|---|---|---|---|
|
| 174 |
+
|Критерий оценки|Gemini 1.5 Pro Experiment|GPT4O-Latest|Grok2(2024-08-13)|WoonaV1.2_9b|gemma2_27b_it|gemma2_9b_it|llama3.1_8b|
|
| 175 |
+
|Точность (1-10)|7|9|10|8|4|1|1|
|
| 176 |
+
|Полнота (1-10)|6|8|9|7|5|1|1|
|
| 177 |
+
|Релевантность (1-10)|10|10|10|10|8|1|1|
|
| 178 |
+
|Детализация (1-10)|5|7|8|6|6|1|1|
|
| 179 |
+
|Терминология (1-10)|8|9|10|8|6|1|1|
|
| 180 |
+
|Контекстуальность (1-10)|6|8|9|7|5|1|1|
|
| 181 |
+
|Актуальность (1-10)|10|10|10|10|8|1|1|
|
| 182 |
+
|Отсутствие противоречий (1-10)|8|9|10|9|6|1|1|
|
| 183 |
+
|Структурированность (1-10)|8|9|9|7|6|1|1|
|
| 184 |
+
|Связность и последовательность (1-10)|8|9|9|8|7|1|1|
|
| 185 |
+
|**ИТОГО**|**76**|**88**|**94**|**80**|**61**|**10**|**10**|
|
| 186 |
+
|
| 187 |
+
**Вопрос (Итерация 9):** "Кто такая Старлайт Глиммер?"
|
| 188 |
+
|
| 189 |
+
### Итерация 10:
|
| 190 |
+
|
| 191 |
+
| | | | | | | | |
|
| 192 |
+
|---|---|---|---|---|---|---|---|
|
| 193 |
+
|Критерий оценки|Gemini 1.5 Pro Experiment|GPT4O-Latest|Grok2(2024-08-13)|WoonaV1.2_9b|gemma2_27b_it|gemma2_9b_it|llama3.1_8b|
|
| 194 |
+
|Точность (1-10)|8|9|7|8|6|7|1|
|
| 195 |
+
|Полнота (1-10)|9|8|7|8|5|6|1|
|
| 196 |
+
|Релевантность (1-10)|10|10|10|10|8|9|1|
|
| 197 |
+
|Детализация (1-10)|8|7|6|7|6|6|1|
|
| 198 |
+
|Терминология (1-10)|9|9|8|9|7|8|1|
|
| 199 |
+
|Контекстуальность (1-10)|9|9|8|9|7|8|1|
|
| 200 |
+
|Актуальность (1-10)|10|10|10|10|9|9|1|
|
| 201 |
+
|Отсутствие противоречий (1-10)|10|10|10|10|8|8|1|
|
| 202 |
+
|Структурированность (1-10)|9|8|9|8|7|7|1|
|
| 203 |
+
|Связность и последовательность (1-10)|9|9|8|9|7|7|1|
|
| 204 |
+
|**ИТОГО**|**91**|**89**|**83**|**88**|**70**|**75**|**10**|
|
| 205 |
+
|
| 206 |
+
**Вопрос (Итерация 10):** "Почему Дискорд решил встать на сторону пони и исправиться?"
|
| 207 |
+
|
| 208 |
+
### Итерация 11:
|
| 209 |
+
|
| 210 |
+
| | | | | | | | |
|
| 211 |
+
|---|---|---|---|---|---|---|---|
|
| 212 |
+
|Критерий оценки|Gemini 1.5 Pro Experiment|GPT4O-Latest|Grok2(2024-08-13)|WoonaV1.2_9b|gemma2_27b_it|gemma2_9b_it|llama3.1_8b|
|
| 213 |
+
|Точность (1-10)|10|10|10|10|2|2|1|
|
| 214 |
+
|Полнота (1-10)|6|9|9|10|3|3|1|
|
| 215 |
+
|Релевантность (1-10)|10|10|10|10|3|3|1|
|
| 216 |
+
|Детализация (1-10)|4|8|7|9|3|3|1|
|
| 217 |
+
|Терминология (1-10)|8|10|9|9|4|4|1|
|
| 218 |
+
|Контекстуальность (1-10)|6|9|8|10|3|3|1|
|
| 219 |
+
|Актуальность (1-10)|10|10|10|10|2|2|1|
|
| 220 |
+
|Отсутствие противоречий (1-10)|10|10|10|10|2|2|1|
|
| 221 |
+
|Структурированность (1-10)|8|9|9|9|5|5|1|
|
| 222 |
+
|Связность и последовательность (1-10)|8|9|9|9|5|5|1|
|
| 223 |
+
|**ИТОГО**|**80**|**94**|**91**|**96**|**30**|**30**|**10**|
|
| 224 |
+
|
| 225 |
+
**Вопрос (Итерация 11):** "В какой серии впервые появляется Крисалис?"
|
| 226 |
+
|
| 227 |
+
### Итерация 12:
|
| 228 |
+
|
| 229 |
+
| | | | | | | | |
|
| 230 |
+
|---|---|---|---|---|---|---|---|
|
| 231 |
+
|Критерий оценки|Gemini 1.5 Pro Experiment|GPT4O-Latest|Grok2(2024-08-13)|WoonaV1.2_9b|gemma2_27b_it|gemma2_9b_it|llama3.1_8b|
|
| 232 |
+
|Точность (1-10)|1|1|9|8|1|1|1|
|
| 233 |
+
|Полнота (1-10)|1|1|8|7|1|1|1|
|
| 234 |
+
|Релевантность (1-10)|1|1|10|10|1|1|1|
|
| 235 |
+
|Детализация (1-10)|1|1|7|8|1|1|1|
|
| 236 |
+
|Терминология (1-10)|1|1|9|8|1|1|1|
|
| 237 |
+
|Контекстуальность (1-10)|1|1|8|7|1|1|1|
|
| 238 |
+
|Актуальность (1-10)|1|1|10|9|1|1|1|
|
| 239 |
+
|Отсутствие противоречий (1-10)|1|1|10|9|1|1|1|
|
| 240 |
+
|Структурированность (1-10)|7|6|8|7|6|6|2|
|
| 241 |
+
|Связность и последовательность (1-10)|7|6|8|7|6|6|2|
|
| 242 |
+
|**ИТОГО**|**28**|**25**|**87**|**80**|**25**|**25**|**13**|
|
| 243 |
+
|
| 244 |
+
**Вопрос (Итерация 12):** "Сури Поломейр. Кто она?"
|
| 245 |
+
|
| 246 |
+
### Итерация 13:
|
| 247 |
+
|
| 248 |
+
| | | | | | | | |
|
| 249 |
+
|---|---|---|---|---|---|---|---|
|
| 250 |
+
|Критерий оценки|Gemini 1.5 Pro Experiment|GPT4O-Latest|Grok2(2024-08-13)|WoonaV1.2_9b|gemma2_27b_it|gemma2_9b_it|llama3.1_8b|
|
| 251 |
+
|Точность (1-10)|10|1|10|10|3|1|1|
|
| 252 |
+
|Полнота (1-10)|9|1|8|9|3|1|1|
|
| 253 |
+
|Релевантность (1-10)|10|1|10|10|3|1|1|
|
| 254 |
+
|Детализация (1-10)|8|1|7|8|3|1|1|
|
| 255 |
+
|Терминология (1-10)|10|1|10|10|3|1|1|
|
| 256 |
+
|Контекстуальность (1-10)|9|1|8|9|3|1|1|
|
| 257 |
+
|Актуальность (1-10)|10|1|10|10|3|1|1|
|
| 258 |
+
|Отсутствие противоречий (1-10)|10|1|10|10|3|1|1|
|
| 259 |
+
|Структурированность (1-10)|9|1|8|9|4|2|1|
|
| 260 |
+
|Связность и последовательность (1-10)|9|1|8|9|4|2|1|
|
| 261 |
+
|**ИТОГО**|**94**|**10**|**89**|**94**|**32**|**12**|**10**|
|
| 262 |
+
|
| 263 |
+
**Вопрос (Итерация 13):** "Кто является членами семьи Твайлайт?"
|
| 264 |
+
|
| 265 |
+
### Итерация 14:
|
| 266 |
+
|
| 267 |
+
| | | | | | | | |
|
| 268 |
+
|---|---|---|---|---|---|---|---|
|
| 269 |
+
|Критерий оценки|Gemini 1.5 Pro Experiment|GPT4O-Latest|Grok2(2024-08-13)|WoonaV1.2_9b|gemma2_27b_it|gemma2_9b_it|llama3.1_8b|
|
| 270 |
+
|Точность (1-10)|8|9|7|8|7|5|6|
|
| 271 |
+
|Полнота (1-10)|7|8|9|8|6|6|2|
|
| 272 |
+
|Релевантность (1-10)|9|10|9|9|8|7|7|
|
| 273 |
+
|Детализация (1-10)|7|8|8|7|6|6|2|
|
| 274 |
+
|Терминология (1-10)|8|9|8|7|7|6|6|
|
| 275 |
+
|Контекстуальность (1-10)|8|9|8|8|7|6|5|
|
| 276 |
+
|Актуальность (1-10)|9|10|9|9|8|7|6|
|
| 277 |
+
|Отсутствие противоречий (1-10)|9|10|8|8|8|6|7|
|
| 278 |
+
|Структурированность (1-10)|8|9|9|8|7|6|5|
|
| 279 |
+
|Связность и последовательность (1-10)|8|9|9|8|7|6|5|
|
| 280 |
+
|**ИТОГО**|**79**|**91**|**84**|**78**|**71**|**61**|**48**|
|
| 281 |
+
|
| 282 |
+
**Вопрос (Итерация 14):** "Какой образ жизни в основном ведёт Принцесса Луна?"
|
| 283 |
+
|
| 284 |
+
### Итерация 15:
|
| 285 |
+
|
| 286 |
+
| | | | | | | | |
|
| 287 |
+
|---|---|---|---|---|---|---|---|
|
| 288 |
+
|Критерий оценки|Gemini 1.5 Pro Experiment|GPT4O-Latest|Grok2(2024-08-13)|WoonaV1.2_9b|gemma2_27b_it|gemma2_9b_it|llama3.1_8b|
|
| 289 |
+
|Точность (1-10)|6|8|4|2|3|N/A|1|
|
| 290 |
+
|Полнота (1-10)|5|7|6|3|3|N/A|2|
|
| 291 |
+
|Релевантность (1-10)|7|9|4|2|4|N/A|1|
|
| 292 |
+
|Детализация (1-10)|4|6|5|4|2|N/A|3|
|
| 293 |
+
|Терминология (1-10)|7|9|7|6|5|N/A|4|
|
| 294 |
+
|Контекстуальность (1-10)|6|8|6|3|4|N/A|1|
|
| 295 |
+
|Актуальность (1-10)|8|10|6|2|5|N/A|1|
|
| 296 |
+
|Отсутствие противоречий (1-10)|7|9|7|3|4|N/A|2|
|
| 297 |
+
|Структурированность (1-10)|8|9|7|6|5|N/A|4|
|
| 298 |
+
|Связность и последовательность (1-10)|7|8|7|6|4|N/A|4|
|
| 299 |
+
|**ИТОГО**|**65**|**83**|**59**|**37**|**39**|**0**|**23**|
|
| 300 |
+
|
| 301 |
+
**Вопрос (Итерация 15):** "Что происходило в самой последней серии сериала my little pony?"
|
| 302 |
+
|