胜率（Win Rate）：60% 这个数，最不重要的是 60%

一句话定义：胜率是某模型（或策略）在一批两两对决中赢下来的比例。它衡量的不是"有多强"，而是"对着这批对手、按这套规则，赢了多少"。

打个比方

棋馆里有人说自己"胜率 60%"。厉害吗？先别急，得问三件事：跟谁下？和棋怎么算？下的什么棋？同一个人，陪练换成职业棋手，胜率能掉几十个点；和棋算半胜还是直接踢出分母，也能差出一截。AI 领域的胜率是同一个道理。

以模型竞技场（arena）为例：系统把用户的一个问题同时丢给两个模型，用户盲选哪个答得好。某模型在若干场这样的对决中赢了 60%——这就是一个典型胜率。它没有标准答案，只有相对偏好。

看到胜率，先补全三件事

一、分母是什么。 平局（tie）算不算？投票作废的算不算？同一个问题被投了多轮，算一场还是多场？分母口径一变，数字就不可比。两个团队各自报"胜率 60%"，很可能连算法都不一样。

二、对手是谁。 如果对手是固定版本的老模型，这叫"对某基线的胜率"，换个基线就归零重算。如果是从一个模型池里随机抽对手，那么池子里弱模型越多，胜率越高。对手池的强弱，往往比胜率数值本身更能说明问题。

三、裁判是谁、判什么。 人类盲投、模型当评委（LLM-as-a-judge）、还是自动判分？人类投票已知会受答案长度、排版、语气影响——这是系统性偏差，和"谁更聪明"不是一回事。

和相邻概念的区别

一句话：准确率是绝对题，胜率是相对赛，Elo 是把无数场相对赛压成一个数。

对从业者与普通人的意义

从业者：做内部评测时，把分母口径、对手池版本、裁判方式一起写进报告。否则下一次换了对手池，"涨了 5 个点"根本解释不清是模型变强了还是对手变弱了。要判断真实进步，固定对手池、只换自己的模型，是比较干净的做法。

普通人：看到两个产品都宣称"胜率更高"，先看它们是不是对同一批对手、同一套题、同一种裁判。不是的话，就当两条独立广告看。它的价值在于"相对谁"，脱离了对手，这个数字什么也没说。

各平台的计分与投票细则会调整，具体以官方页面为准。