ENT-3a6be454-fedf-4237-8d71-f378e916b0a7 · Benchmark · Richtlinie für Live-Evaluation menschlicher Präferenzen
Arena-Leaderboard-Richtlinie
Geprüfter Identifikator arena-leaderboard-policy-2026-09-01 · aktueller Status bewusst unbekannt
Geltungsbereich
Geprüfte Identität des Benchmarks oder Evaluationsprotokolls; Modellergebnisse und Leaderboard-Ränge sind separate, nicht abgebildete Beobachtungen.
Versteht die KI Ihr Unternehmen? Prüfen Sie Ihre Website kostenlos, in einer halben Minute →
Abgrenzung
Menschliche Präferenz ist nicht faktische Korrektheit, Sicherheit oder universelle Fähigkeit. Modellauflistung/-abkündigung und sich ändernde Stimmen verhindern, dass ein statischer Rang zu einem Entitätsattribut wird.
Benchmark-Vergleichbarkeitspass
- Publisher
- Arena Team
- Version
- zuletzt aktualisiert am 01.09.2026
- Aufgabenumfang
- Live-Gemeinschaftsevaluation geeigneter Foundation-Modelle durch randomisierte Duelle und Stimmen menschlicher Präferenz über Arena-Oberflächen hinweg.
- Metrik-Vertrag
- Leaderboard-Bewertungen werden aus Duellergebnissen mit einer Regression geschätzt, die die Stichprobenziehung neu gewichtet; Ränge und Intervalle hängen von der aktuellen Methodik und den angesammelten Stimmdaten ab.
- Evaluationsbedingungen
- Die Ergebnisidentität umfasst Arena-Oberfläche/Kategorie, Richtlinien- und Methodikrevision, Identität und Verfügbarkeit des Modellendpunkts, Duell-/Stimmfenster, Filter, Stichprobenziehung/Neugewichtung und Datenbereinigungsregeln.
- Vergleichbarkeitsgrenze
- Das Leaderboard ist live und Methodikänderungen werden protokolliert; ein Rang ist nicht zeitlos und muss seinen Beobachtungszeitpunkt, seine Kategorie, seine Richtlinien-/Methodikversion, sein Intervall und sein Stimmfenster beibehalten.
- Kontaminationsgrenze
- Live-Nutzer-Prompts verringern die Abhängigkeit von einem festen öffentlichen Testsatz, aber die Richtlinie belegt nicht die Abwesenheit von Manipulation, Selektionseffekten, Anbieterexposition oder Präferenzverzerrung.
Dieser Pass beschreibt eine Benchmark-Definition oder ein Protokoll. Er veröffentlicht keinen Modellscore, keinen Rang und keine Äquivalenz zwischen Versionen.
Quellenqualifizierte Beziehungen
Für diese Identität wird keine geprüfte Beziehung behauptet.
Atlas-Aussagen mit einer exakten Quellenroute
Keine exakte Quell-URL-Verbindung in r0056. Es wurde kein Namensabgleich ersetzt.
Jedes angezeigte Attribut verweist auf quellenqualifizierte Aussage-IDs. Beziehungen sind explizit und quellenqualifiziert. Identität impliziert weder Eigentum noch Rechtsstatus, aktuelle Verfügbarkeit oder Gleichwertigkeit mit einem veränderlichen Alias.