Elo-Bewertung
Rangzahl aus paarweisen Vergleichen.
Die Elo-Bewertung, ursprünglich aus dem Schach, wird genutzt, um KI-Modelle anhand direkter Vergleiche zu bewerten: Menschen wählen wiederholt die bessere von zwei Antworten, woraus sich eine Rangzahl je Modell ergibt. Sie bildet menschliche Vorlieben oft besser ab als starre Benchmarks.