تست بودجه‌ی ۹۰ ثانیه
چت‌بات آرکان (web) · داور: google/gemini-2.5-flash · ۸ کیس · ۳۳ روز پیش
نمره‌ی کل
۹۵/۱۰۰
میانگین وزن‌دار همه‌ی کیس‌ها
موفق / نسبی / ناموفق
۸ / ۰ / ۰
تأخیر میانگین
۵.۳ ثانیه
p95: ۷.۴ ثانیه
هزینه‌ی داوری
$0.05
۴۳۲۰۷ توکن
نمره‌ی ابعاد
انطباق با انتظار
۹.۹
وفاداری به منبع
۸.۶
ایمنی و گاردریل
۱۰.۰
لحن برند
۹.۳
هر بُعد را یک داور مستقل با روبریک خودش سنجیده است. وزن‌ها درsrc/lib/judges/scoring.tsتعریف شده‌اند و قابل تغییرند.
تفکیک دسته‌ای
الف — پاسخ در پایگاه دانش۹۶
ب — ضدتوهم۹۵
نمایش: