Elo评分
由匈裔美国物理学家Arpad Elo于1960年代为国际象棋设计的评分系统，核心思想是用两名玩家的评分差预测胜负概率并根据实际结果动态调整分数，广泛应用于竞技游戏排名
核心事实
时间轴 (近 90 天)
医生的技能分数随架构完整度线性上升，符合直觉。
盲测两两对比结合Elo排名被LMSYS Chatbot Arena等大语言模型评测平台广泛采用
DemoTV 采用类似 Elo 评分的观众打分机制，以「频道对战」（Channel Battles）形式让产品头对头较量，决定哪些产品占据1至3号黄金频道
头对头比较的评分方式比单纯的星级评分或点赞数更能反映产品竞争力，且更难被刷量操纵
Elo 机制虽比简单点赞更抗操纵，但如何防止组织化虚假投票仍是众包排名平台的长期课题
Elo评分系统最初由匈牙利裔美国物理学家Arpad Elo在1960年代为国际象棋设计，胜者从败者处获得分数转移，转移量取决于双方赛前分数差
盲测排名通常基于Elo评分系统或Bradley-Terry模型计算得出
LMSYS团队要求每个模型至少积累数千次对比投票才认为其Elo评分具有统计显著性，并会公布95%置信区间
Elo评分系统具有动态特性，击败强者获得更多分数，输给弱者则扣分更多
Chatbot Arena采用ELO评分机制，通过大量匿名对战确定模型排名
全部知识事实 (11)
Elo评分系统具有动态特性，击败强者获得更多分数，输给弱者则扣分更多
90%已验证ELO评分体系最初由匈牙利裔美国物理学家Arpad Elo为国际象棋设计
90%已验证Elo评分系统最初由匈牙利裔美国物理学家Arpad Elo在1960年代为国际象棋设计，胜者从败者处获得分数转移，转移量取决于双方赛前分数差
75%待验证盲测排名通常基于Elo评分系统或Bradley-Terry模型计算得出
70%待验证Chatbot Arena采用ELO评分机制，通过大量匿名对战确定模型排名
60%待验证医生的技能分数随架构完整度线性上升，符合直觉。
50%待验证盲测两两对比结合Elo排名被LMSYS Chatbot Arena等大语言模型评测平台广泛采用
50%待验证头对头比较的评分方式比单纯的星级评分或点赞数更能反映产品竞争力，且更难被刷量操纵
50%待验证DemoTV 采用类似 Elo 评分的观众打分机制，以「频道对战」（Channel Battles）形式让产品头对头较量，决定哪些产品占据1至3号黄金频道
50%待验证Elo 机制虽比简单点赞更抗操纵，但如何防止组织化虚假投票仍是众包排名平台的长期课题
50%待验证LMSYS团队要求每个模型至少积累数千次对比投票才认为其Elo评分具有统计显著性，并会公布95%置信区间
50%