# Rankingi z głosami ludzi (areny)

EN: **Human-preference leaderboards (arenas)** · id `arenas` · aliases: Chatbot Arena, LMArena, arena, Elo, Bradley-Terry, leaderboard, ranking modeli

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Ewaluacja i interpretowalność](https://aiatlasgraph.com/t/evaluation.md) › [Metryki i benchmarki](https://aiatlasgraph.com/t/metrics.md) › Rankingi z głosami ludzi (areny)

## Description

- PL: Ludzie anonimowo porównują dwie odpowiedzi modeli i wybierają lepszą; wiele takich porównań tworzy ranking. Wynik zależy jednak od procedury zbierania głosów, dostępu modeli do areny i doboru porównań.
- EN: People anonymously compare two model answers and choose the better one; many such comparisons produce a ranking. The result nevertheless depends on vote collection, models' access to the arena and comparison sampling.

## In one sentence

- PL: To rankingi powstające z wielu porównań odpowiedzi, w których ludzie wybierają lepszą wersję.
- EN: These rankings combine many answer comparisons where people choose the better version.

## Problem it solves

- PL: Automatyczny test nie zawsze pokazuje, która odpowiedź jest dla ludzi bardziej przydatna lub czytelna.
- EN: An automated test does not always show which answer people find more useful or readable.

## What it does

- PL: Zbiera głosy na anonimowe pary odpowiedzi i łączy je statystycznie; wynik zależy też od pytań, porównań i dostępnych modeli.
- EN: It collects votes on anonymous answer pairs and combines them statistically; results also depend on questions, pairings and available models.

## Everyday example

- PL: Oceniasz anonimowe odpowiedzi na pytanie o ogród, a twój wybór wraz z innymi głosami wpływa na pozycje modeli.
- EN: You assess anonymous answers to a gardening question, and your choice joins other votes to influence the model rankings.

## This concerns you if you…

- PL: interesują cię preferencje ludzi wobec odpowiedzi
- PL: chcesz rozumieć procedurę stojącą za rankingiem
- EN: care about people's preferences between answers
- EN: want to understand how a ranking is produced

## Keywords

Bradley-Terry model · pairwise preference votes · Elo ratings · bootstrap rankings · Chatbot Arena

## How it works

- PL: Użytkownicy oceniają anonimowe pary odpowiedzi na wspólne pytania. Model preferencji dopasowuje siły względne z głosów, a niepewność rankingu szacuje się z próbkowania porównań.
- EN: Users judge anonymous answer pairs to shared questions. A preference model fits relative strengths from votes, while comparison sampling determines ranking uncertainty.

## Limits

- PL: Ranking zależy od użytkowników, pytań i doboru par. Styl oraz długość mogą dominować nad poprawnością, a selektywne zgłoszenia modeli wpływać na widoczny wynik.
- EN: Rankings depend on users, questions and pair selection. Style and length may dominate correctness, while selective model submissions can affect visible results.

## Key terms

- PL: **Bradley–Terry**: Model szacujący prawdopodobieństwo wygranej pary z względnych ocen uczestników.
- PL: **głos preferencji**: Wybór odpowiedzi uznanej przez oceniającego za lepszą.
- EN: **Bradley–Terry**: A model estimating pairwise win probabilities from participants' relative ratings.
- EN: **preference vote**: A judgement selecting the answer considered better by a rater.

## Know first

- [Walidacja ewaluatorów (Evaluator validation against human labels)](https://aiatlasgraph.com/t/judgevalidation.md)
- [Niepewność statystyczna wyników ewaluacji (Statistical uncertainty in evaluations)](https://aiatlasgraph.com/t/evalstats.md)

## Examples

- PL: porównania parami · statystyczna agregacja głosów · nierówny dostęp modeli · przeuczenie pod ranking
- EN: pairwise comparisons · statistical vote aggregation · unequal model access · overfitting to a leaderboard

## Related topics

Untyped, symmetric "see also" links.

- [Bayesowskie oceny umiejętności graczy (Bayesian player skill rating)](https://aiatlasgraph.com/t/skillrating.md)
- [Ocena ludzi i modeli (Human evaluation and model judges)](https://aiatlasgraph.com/t/judges.md)
- [Zbieranie danych preferencji (porównania odpowiedzi) (Preference data collection (response comparisons))](https://aiatlasgraph.com/t/preferencedatacollection.md)

## Sources

- [Chatbot Arena: An Open Platform for Evaluating LLMs by Human Preference](<https://arxiv.org/abs/2403.04132>) `chatbot-arena-2024` · by Wei-Lin Chiang, Lianmin Zheng, Ying Sheng, Anastasios N. Angelopoulos, Tianle Li, Dacheng Li, Hao Zhang, Banghua Zhu, Michael Jordan, Joseph E. Gonzalez, Ion Stoica
- [The Leaderboard Illusion](<https://arxiv.org/abs/2504.20879>) `leaderboard-illusion-2025` · by Shivalika Singh, Yiyang Nan, Alex Wang, Daniel D'Souza, Sayash Kapoor, Ahmet Üstün, Sanmi Koyejo, Yuntian Deng, Shayne Longpre, Noah A. Smith, Beyza Ermis, Marzieh Fadaee, Sara Hooker

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/arenas · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30