Bradley-Terry模型
经典的概率排名模型，通过成对比较结果推导出每个项目的潜在评分，广泛应用于排名、评分和偏好建模等领域
时间轴 (近 90 天)
Bradley-Terry模型假设每个回答有一个潜在的奖励分数，偏好概率由两个分数的差值经sigmoid函数得到。
奖励建模阶段通常基于成对比较数据，采用Bradley-Terry模型将人类偏好转化为概率形式。
成对比较（pairwise comparison）的结果通常用 Bradley-Terry 模型或 Elo 评分体系聚合成全局排名，文章中的总分1536是聚合后的相对分数而非百分制得分。
隐式奖励边界幅度是指在偏好优化模型（如Bradley-Terry模型）中，对于一对回复，模型隐含分配的奖励分数之差，即|r(A)-r(B)|。
在主观性强的任务中，成对比较正逐渐取代绝对打分成为主流评测范式，其统计学结果可直接输入 Bradley-Terry 模型或 Elo 系统输出具有传递性的全局排名。
QuRating框架最初定义了写作风格、所需专业知识、事实丰富度和教育价值四个维度，理论基础源自Bradley-Terry模型
QuRating的理论基础源自Bradley-Terry模型，通过成对比较结果推导出每个项目的潜在评分
Chatbot Arena的评分机制借鉴Elo评分系统，底层采用Bradley-Terry模型——一种基于成对比较的概率排名方法
Bradley-Terry模型是Elo系统的推广，通过最大似然估计同时拟合所有选手的能力参数，是Chatbot Arena等现代评估平台采用的核心统计模型
盲测排名通常基于Elo评分系统或Bradley-Terry模型计算得出
还有 4 条时间轴事件
全部知识事实 (14)
盲测排名通常基于Elo评分系统或Bradley-Terry模型计算得出
70%待验证Bradley-Terry模型假设每个回答有一个潜在的奖励分数，偏好概率由两个分数的差值经sigmoid函数得到。
50%待验证奖励建模阶段通常基于成对比较数据，采用Bradley-Terry模型将人类偏好转化为概率形式。
50%待验证成对比较（pairwise comparison）的结果通常用 Bradley-Terry 模型或 Elo 评分体系聚合成全局排名，文章中的总分1536是聚合后的相对分数而非百分制得分。
50%待验证隐式奖励边界幅度是指在偏好优化模型（如Bradley-Terry模型）中，对于一对回复，模型隐含分配的奖励分数之差，即|r(A)-r(B)|。
50%待验证在主观性强的任务中，成对比较正逐渐取代绝对打分成为主流评测范式，其统计学结果可直接输入 Bradley-Terry 模型或 Elo 系统输出具有传递性的全局排名。
50%待验证QuRating框架最初定义了写作风格、所需专业知识、事实丰富度和教育价值四个维度，理论基础源自Bradley-Terry模型
50%待验证QuRating的理论基础源自Bradley-Terry模型，通过成对比较结果推导出每个项目的潜在评分
50%待验证Chatbot Arena的评分机制借鉴Elo评分系统，底层采用Bradley-Terry模型——一种基于成对比较的概率排名方法
50%待验证Bradley-Terry模型是Elo系统的推广，通过最大似然估计同时拟合所有选手的能力参数，是Chatbot Arena等现代评估平台采用的核心统计模型
50%待验证Bradley-Terry模型假设所有参与者的能力可以用一个一维标量完全表征，这在实际场景中会丢失多维度信息
50%待验证Bradley-Terry模型最早由Ralph Bradley和Milton Terry于1952年提出，最初用于体育赛事排名，在RLHF中被用来将离散的偏好判断转化为连续的奖励分数
50%待验证Elo系统基于Bradley-Terry模型，假设选手A击败选手B的概率仅取决于两者评分之差，具体为logistic函数
50%待验证截至2024年末，LMArena已收集超过200万次人类投票，涵盖数百个模型，并引入Bradley-Terry模型作为Elo的补充
50%