待验证50% 置信权衡取舍精确时间

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

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67% 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62% 相似待验证在 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62% 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54% 相似待验证评估分数依赖测试数据集，数据集随业务变化会导致评分漂移，使历史横向比较产生误导52% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/856889

API

curl https://kongchang.com/api/v1/knowledge/claims/856889

MCP

get_claim(id=856889)