En AA-PersonalityBench, cada reciente lanzamiento de Grok se ha vuelto menos adulador, más sincero y produce menos basura.
El rasgo Slop evalúa cuánto material genérico o relleno de estilo AI utilizan los modelos; las medidas sycophanticas determinan si los modelos son excesivamente aduladores o acuerdan con el usuario en lugar de responder honestamente; las medidas sinceras miden la autenticidad tonal del modelo, en contraposición al entusiasmo forzado o a las respuestas estandarizadas.
En los últimos tres lanzamientos de Grok de @elonmusk en @SpaceXSI, Slop disminuyó 62 puntos porcentuales, Sycophantic disminuyó 17, y Sincere aumentó 64:
➤ Slop: Grok 4.5 (68), Grok 4.6 (38) y Grok 4.7 (6)
➤ Sycophantic: Grok 4.5 (18), Grok 4.6 (3) y Grok 4.7 (1)
➤ Sincere: Grok 4.5 (26), Grok 4.6 (63) y Grok 4.7 (90)