综合得分
71.41
95% CI [70.46, 72.39]
基于 285 个会话
综合榜第 11 名，共 11 个模型
三大目标
● 世界 50%62.31
● 故事 25%68.24
● 用户偏好 25%92.80
六维度
414799598693
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11月1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 | 11 / 11 | 71.41 | 70.5 – 72.4 | 62.3 | 68.2 | 92.8 | 285 |
| 中文 | 10 / 11 | 70.31 | 69.1 – 71.5 | 61.2 | 67.5 | 91.3 | 150 |
| English | 11 / 11 | 72.64 | 71.3 – 74.0 | 63.5 | 69.1 | 94.4 | 135 |