综合得分
79.75
95% CI [78.68, 80.72]
基于 285 个会话
综合榜第 8 名，共 11 个模型
三大目标
● 世界 50%73.09
● 故事 25%75.82
● 用户偏好 25%97.00
六维度
744699679397
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 | 8 / 11 | 79.75 | 78.7 – 80.7 | 73.1 | 75.8 | 97.0 | 285 |
| 中文 | 6 / 11 | 81.47 | 79.6 – 83.2 | 76.4 | 75.6 | 97.4 | 150 |
| English | 10 / 11 | 77.83 | 76.9 – 78.7 | 69.4 | 76.0 | 96.5 | 135 |