01 详细解释
用户提问后同时收到两个匿名模型的回答,投票选更好的,系统据海量投票算 Elo 与置信区间。因为题目来自真实用户,比固定题库更接近实际使用。
读榜要点:看置信区间(差 10 分以内基本算平手)、看细分领域榜(代码、长文、多语言),别只看总榜。
匿名两两对战、由用户投票的公开模型排行榜。
本词条最后核验 2026-11-21 · 由本站编辑整理,欢迎指正
用户提问后同时收到两个匿名模型的回答,投票选更好的,系统据海量投票算 Elo 与置信区间。因为题目来自真实用户,比固定题库更接近实际使用。
读榜要点:看置信区间(差 10 分以内基本算平手)、看细分领域榜(代码、长文、多语言),别只看总榜。
「跑分高」和「好用」之间隔着一条鸿沟。这组词帮你看懂分数怎么来的、评测集有没有被污染,以及攻击是从哪进去的。