Chatbot Arena
Vak, páros emberi szavazásokból rangsorolja, melyik chatbot válaszát kedvelik jobban a felhasználók valós promptokon.
- Adatszivárgás
- Alacsony kockázat
- Hétköznapi jel
- Erős kapcsolat
Benchmark-tolmács · ellenőrizve 26 napja
Egy magas szám önmagában nem bizonyítja, hogy a modell jobb lesz neked. Megmutatjuk, mit mér a teszt, mit hagy ki, mennyire friss, szivároghatott-e a tesztadat, és mennyi köze van a hétköznapi használathoz.
Vak, páros emberi szavazásokból rangsorolja, melyik chatbot válaszát kedvelik jobban a felhasználók valós promptokon.