待验证50% 置信事实精确时间

Arena采用真实用户盲测投票方式，让用户对两个匿名模型的生成结果两两对比打分，形成Elo排名

1

来源数

50%

置信度

长期有效

时效性

2026/9/4

首次发现

来源

微软MAI-Image-2.6登顶全球文生图第二，自研模型杀入第一梯队

涉及实体

相关事实

待验证在 Stickblade Arena 的人类投票中，双方模型的身份被遮蔽，投票会在身份揭晓之前完成Elo更新70% 相似待验证Elo排名会随投票样本量和时间动态变化，第二名反映的是某一时间窗口内的相对表现67% 相似待验证静态基准测试存在数据泄露和过拟合基准的局限，而Arena的众包投票机制更贴近用户真实使用感受64% 相似待验证用同一模型既生成数据又评估数据会导致模型自我验证的循环陷阱，使评估结果失去独立性55% 相似待验证HN的排名算法综合考虑投票数、时间衰减和评论活跃度53% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/856884

API

curl https://kongchang.com/api/v1/knowledge/claims/856884

MCP

get_claim(id=856884)