待验证50% 置信事实精确时间
厂商自测成绩受测试集选择、提示词设计和评测协议影响，独立评测如 LMSYS Chatbot Arena 采用统一协议，可比性更强。
1
来源数
50%
置信度
长期有效
时效性
2026/10/20
首次发现
来源
涉及实体
相关事实
待验证第三方独立基准测试（如MMLU、HumanEval、MATH、LMSYS Chatbot Arena）评测流程公开、结果可复现，比厂商内部评测更具公信力77% 相似已验证LMSYS Chatbot Arena采用真实用户盲测对比的Elo评分机制，被认为是最贴近实际使用体验的评估方式76% 相似待验证Chatbot Arena的评分机制借鉴Elo评分系统，底层采用Bradley-Terry模型——一种基于成对比较的概率排名方法72% 相似待验证Artificial Analysis和LMSys Chatbot Arena通过自动化基准测试和社区投票机制实现评测内容动态更新68% 相似待验证Scale AI的SEAL排行榜和LMSYS的Chatbot Arena采用封闭评估策略，其中Chatbot Arena通过真实用户盲测投票的Elo评分机制评估模型67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1073782API
curl https://kongchang.com/api/v1/knowledge/claims/1073782MCP
get_claim(id=1073782)