综合得分
88.48
95% CI [86.96, 89.80]
基于 285 个会话
综合榜第 4 名，共 11 个模型
三大目标
● 世界 50%88.88
● 故事 25%79.48
● 用户偏好 25%96.66
六维度
907998739297
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 | 4 / 11 | 88.48 | 87.0 – 89.8 | 88.9 | 79.5 | 96.7 | 285 |
| 中文 | 4 / 11 | 91.34 | 90.7 – 91.9 | 93.7 | 79.1 | 98.8 | 150 |
| English | 6 / 11 | 85.30 | 82.2 – 87.9 | 83.5 | 79.9 | 94.3 | 135 |