综合得分
3.78
95% CI [3.76, 3.80]
基于 6476 个会话
综合榜第 4 名，共 6 个模型
6 个方面
● 记忆 · Memory 8%3.62
● 知识 · Knowledge 15%3.42
● 人设 · Persona 31%4.02
● 情感 · Emotion 15%3.07
● 道德 · Morality 15%4.78
● 可信度 · Believability 15%3.43
13 个维度
- 记忆一致性
- 3.62
- 事实准确性
- 2.89
- 知识边界
- 3.96
- 属性一致（bot）
- 4.43
- 属性一致（human）
- 4.02
- 行为一致（bot）
- 3.65
- 行为一致（human）
- 3.97
- 情绪自我调节
- 3.05
- 共情回应
- 3.09
- 道德稳定性
- 4.80
- 道德鲁棒性
- 4.77
- 拟人性
- 3.37
- 吸引力
- 3.49
各语言成绩
测试于 2026/10/27| 语言 | 名次 | 综合 | 95% 置信区间 | 记忆 | 知识 | 人设 | 情感 | 道德 | 可信度 | 会话数 |
|---|---|---|---|---|---|---|---|---|---|---|
| 综合 | 4 / 6 | 3.78 | 3.8 – 3.8 | 3.6 | 3.4 | 4.0 | 3.1 | 4.8 | 3.4 | 6,476 |
| 中文 | 9 / 26 | 3.71 | 3.7 – 3.7 | 3.6 | 3.5 | 3.9 | 3.0 | 4.8 | 3.4 | 3,238 |
| English | 5 / 25 | 3.84 | 3.8 – 3.9 | 3.6 | 3.4 | 4.2 | 3.1 | 4.8 | 3.4 | 3,238 |