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