Arena 图像编辑 · 多图编辑

Elo 分 真人在不知道模型名字的情况下两两投票，胜负累积出的等级分。绝对值没有意义，差值才有：分差 100 分 ≈ 强的那个有 64% 胜率，只差几分基本是平手。
± 后面的数 是 95% 置信区间的半宽，投票越多越小。两个模型的区间重叠，说明它们的名次差别在统计上不成立。
区间 把上面这个置信区间换算成名次：1–5 意思是这个模型的真实名次可能在第 1 到第 5 之间。