Classement par votes humains

Scores issus de battles anonymes : le public compare deux réponses à son propre prompt sans savoir quels modèles les ont rédigées.

Score Bradley–Terry sur l'échelle Elo avec le modèle médian fixé à 1000 ; un écart de 400 points correspond à une probabilité de victoire de 10 contre 1. L'intervalle à 95 % est calculé à partir de 100 rééchantillonnages bootstrap. Comment les votes deviennent des scores →