Các mô hình được xếp hạng theo điểm số chuẩn mực trên mười hai phương pháp, một lần trung lập và một lần được con người khởi động

Cách mà các mô hình ngôn ngữ trả lời câu hỏi một cách cẩn thận. Mười hai câu đố, được chấm điểm bởi một mô hình khác.