数据来源与评估口径

Arena 数据与方法说明

本页集中说明 AITNT Arena 如何呈现 LM Arena 公布的排行榜数据，以及不同模态使用的来源、排名方法、指标和页面身份规则。

更新日期：2026-07-20覆盖 11 类排行榜页面身份：www canonical

站点与数据关系

AITNT Arena 是面向中文读者的排行榜展示与历史快照站点。榜单数据与方法链接指向 LM Arena 对应的公开页面；AITNT 负责数据同步、中文呈现、分类导航、历史页面和质量校验。

排行榜结果会随官方数据更新。具体模型许可、使用范围与商用条件仍应以模型发布方提供的许可证原文为准。

各模态来源、方法与指标

不同模态不能共用同一句方法说明。下表由页面生成器使用的同一份 GEO 配置生成，避免可见内容与 Dataset JSON-LD 不一致。

榜单官方来源排名方法主要指标
大语言模型LM Arena 大语言模型官方榜单沿用官方榜单公开的 Arena 得分与排名口径Arena score、Rank、Vote count、95% confidence interval
网页开发LM Arena 代码开发官方榜单沿用官方榜单公开的 Arena 得分与排名口径Arena score、Rank、Vote count、95% confidence interval
文生图LM Arena 文生图官方榜单沿用官方榜单公开的 Arena 得分与排名口径Arena score、Rank、Vote count、95% confidence interval
图像编辑LM Arena 图像编辑官方榜单沿用官方榜单公开的 Arena 得分与排名口径Arena score、Rank、Vote count、95% confidence interval
文生视频LM Arena 文生视频官方榜单沿用官方榜单公开的 Arena 得分与排名口径Arena score、Rank、Vote count、95% confidence interval
图生视频LM Arena 图生视频官方榜单沿用官方榜单公开的 Arena 得分与排名口径Arena score、Rank、Vote count、95% confidence interval
视频编辑LM Arena 视频编辑官方榜单沿用官方榜单公开的 Arena 得分与排名口径Arena score、Rank、Vote count、95% confidence interval
视觉理解LM Arena 视觉理解官方榜单沿用官方榜单公开的 Arena 得分与排名口径Arena score、Rank、Vote count、95% confidence interval
联网搜索LM Arena 联网搜索官方榜单沿用官方榜单公开的 Arena 得分与排名口径Arena score、Rank、Vote count、95% confidence interval
文档理解LM Arena 文档理解官方榜单沿用官方榜单公开的 Arena 得分与排名口径Arena score、Rank、Vote count、95% confidence interval
智能体LM Arena Agent 官方榜单采用因果追踪方法，综合会话结果与多项反馈信号估计模型净提升Net improvement、Confirmed success、Praise vs complaint、Steerability、Bash recovery、Tool hallucination、Session count

指标解释

Arena 得分与排名

通用榜单沿用官方页面公开的得分与排名口径。分数适合在同一榜单、同一时间点和同一计算口径下比较，不应跨榜单直接换算。

投票数与 95% 置信区间

投票数反映评测样本规模。95% 置信区间用于表达当前估计的不确定范围；在相同方法下，区间越窄通常表示估计越集中。

Agent 净提升

智能体榜单不套用普通 Elo 投票口径。其方法基于因果追踪，结合任务结果、确认成功、可控性、工具错误恢复、工具幻觉与会话规模等信号估计净提升。

同步、历史快照与页面身份