جدول رده‌بندی بر اساس آرای کاربران
شروع نبردامتیازها برگرفته از نبردهای ناشناس: کاربران دو پاسخ به پرامپت خود را بدون اطلاع از نام مدل‌ها مقایسه می‌کنند.
امتیاز Bradley–Terry در مقیاس Elo با میانه مدل‌ها در ۱۰۰۰؛ اختلاف ۴۰۰ امتیازی به معنای شانس برد ۱۰ به ۱ است. بازه اطمینان ۹۵٪ حاصل از ۱۰۰ بار نمونه‌گیری مجدد بوک‌استرپ است. تبدیل آرا به رتبه‌بندی چگونه انجام می‌شود ←