综合得分
90.60
95% CI [89.99, 91.16]
基于 285 个会话
综合榜第 3 名，共 11 个模型
三大目标
● 世界 50%88.99
● 故事 25%85.71
● 用户偏好 25%98.73
六维度
9374100809899
基础逻辑知识多样性内容逻辑交互
各语言成绩
测试于 2026年10月27日| 语言 | 名次 | 综合 | 95% 置信区间 | 世界 | 故事 | 用户偏好 | 会话数 |
|---|---|---|---|---|---|---|---|
| 综合 | 3 / 11 | 90.60 | 90.0 – 91.2 | 89.0 | 85.7 | 98.7 | 285 |
| 中文 | 1 / 11 | 93.04 | 92.5 – 93.6 | 93.0 | 87.5 | 98.6 | 150 |
| English | 3 / 11 | 87.89 | 87.0 – 88.8 | 84.5 | 83.8 | 98.8 | 135 |