待验证50% 置信权衡取舍精确时间

Arena基于真实用户持续涌入的请求和盲测投票，相比固定基准测试具有抗污染性优势

1

来源数

50%

置信度

长期有效

时效性

2026/9/6

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Chatbot Arena采用真实用户偏好信号，规避了固定测试集的测试集污染问题72% 相似待验证LiveBench通过定期更换测试题目防止过拟合，Chatbot Arena通过真实用户盲评打分反映实际体验69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/864394

API

curl https://kongchang.com/api/v1/knowledge/claims/864394

MCP

get_claim(id=864394)