इंसानी वोटों का लीडरबोर्ड

अज्ञात battles से रेटिंग: लोग यह जाने बिना अपने प्रॉम्प्ट के दो जवाबों की तुलना करते हैं कि उन्हें किस मॉडल ने लिखा है।

Bradley–Terry रेटिंग Elo स्केल पर, जिसमें मीडियन मॉडल 1000 पर है; 400 अंकों के अंतर का मतलब 10:1 की संभावना है। 95% इंटरवल 100 बूटस्ट्रैप रीसैंपल से है। वोट रेटिंग कैसे बनते हैं →