跳到主要内容Skip to main content

Models · Evals

Chatbot Arena

人类偏好胜率与 Elo 分

测什么人类偏好胜率与 Elo 分
任务与数据匿名两两对比,用户投票
指标Elo / 胜率
污染风险用户提交的 prompt 不公开,污染风险相对低;但用户分布有偏。
复现无法完全复现;只能引用公开榜单快照与统计区间。
成本无法自建同等规模
快照日2026-11-19
核验日2026-11-19

怎么读

最接近真实用户偏好,但榜单会变;引用时要写快照日与置信区间。

下一步

  • 打开榜单或论文页,确认题集版本、评分脚本与提交日期。
  • 把它和你关心的业务任务做对照;找不到对应任务,就自己建 50–100 条内部评测。
  • 读 怎么读榜单,把“分数”写成“条件 + 参考价值”。
榜单 / 来源:https://lmarena.ai/ · 快照 2026-11-19