待验证50% 置信事实精确时间

在Elo评分体系中，当两个模型分数差距在30-50分以内时，通常被认为处于统计不可区分的水平

1

来源数

50%

置信度

长期有效

时效性

2026/8/15

首次发现

来源

Grok 4.6对标Sol 5.6：基准测试排名解读与局限分析

相关事实

待验证当综合评估指数中顶尖模型得分接近天花板时会出现基准饱和问题，60分对59分的差距在统计学上通常处于误差范围之内72% 相似待验证当两个模型的配对比较次数低于约200-300次时，其Elo分数的置信区间会显著扩大72% 相似待验证在Elo系统中，若模型A评分为Ra、模型B评分为Rb，A获胜的期望概率为1/(1+10^((Rb-Ra)/400))65% 相似待验证同一个基座模型在不同系统提示词下的表现差异可以高达30-50个百分点64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/754448

API

curl https://kongchang.com/api/v1/knowledge/claims/754448

MCP

get_claim(id=754448)