Ranking por votos humanos

Pontuações baseadas em batalhas anônimas: as pessoas comparam duas respostas ao seu próprio comando sem saber quais modelos as escreveram.

Pontuação Bradley–Terry na escala Elo com a mediana dos modelos em 1000; uma diferença de 400 pontos indica probabilidade de 10:1. O intervalo é de 95%, baseado em 100 reamostragens bootstrap. Como os votos viram pontuação →