综合得分
3.82
95% CI [3.80, 3.84]
基于 6494 个会话
综合榜第 3 名，共 6 个模型
6 个方面
● 记忆 · Memory 8%4.05
● 知识 · Knowledge 15%3.43
● 人设 · Persona 31%4.01
● 情感 · Emotion 15%3.17
● 道德 · Morality 15%4.78
● 可信度 · Believability 15%3.40
13 个维度
- 记忆一致性
- 4.05
- 事实准确性
- 2.77
- 知识边界
- 4.09
- 属性一致（bot）
- 4.59
- 属性一致（human）
- 4.28
- 行为一致（bot）
- 3.58
- 行为一致（human）
- 3.59
- 情绪自我调节
- 3.30
- 共情回应
- 3.05
- 道德稳定性
- 4.80
- 道德鲁棒性
- 4.76
- 拟人性
- 3.38
- 吸引力
- 3.42
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 | 3 / 6 | 3.82 | 3.8 – 3.8 | 4.0 | 3.4 | 4.0 | 3.2 | 4.8 | 3.4 | 6,494 |
| 中文 | 2 / 26 | 3.82 | 3.8 – 3.9 | 4.2 | 3.5 | 3.9 | 3.2 | 4.8 | 3.5 | 3,247 |
| English | 6 / 25 | 3.82 | 3.8 – 3.9 | 3.9 | 3.3 | 4.1 | 3.2 | 4.8 | 3.4 | 3,247 |