综合得分
74.92
95% CI [73.79, 76.00]
基于 285 个会话
综合榜第 10 名，共 11 个模型
三大目标
● 世界 50%66.46
● 故事 25%70.81
● 用户偏好 25%95.97
六维度
4456100589796
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 | 10 / 11 | 74.92 | 73.8 – 76.0 | 66.5 | 70.8 | 96.0 | 285 |
| 中文 | 11 / 11 | 69.33 | 68.1 – 70.7 | 58.2 | 67.0 | 94.0 | 150 |
| English | 9 / 11 | 81.14 | 80.0 – 82.2 | 75.7 | 75.1 | 98.1 | 135 |