Papan peringkat berdasarkan suara pengguna

Rating dari battle anonim: pengguna membandingkan dua jawaban untuk prompt mereka sendiri tanpa mengetahui model mana yang membuatnya.

Rating Bradley–Terry pada skala Elo dengan model median di angka 1000; selisih 400 poin berarti peluang 10:1. Interval kepercayaan 95%, dihitung dari 100 resample bootstrap. Cara suara diubah menjadi rating →