验证透明度

基准测试历史。

我们发布过的每一次录音测试运行，按时间由新到旧排列，并显示与上一次运行相比的变化。每一行都可打开该次运行的完整报告：同样的页面、同样的测评方法，数字保持当天的结果。

运行记录

变化值是每次运行与其下方那一次相比的结果。词错误率越低越好；覆盖率越高越好。幻觉数按语料库统计，已确认指多数评审模型一致认定的编造陈述；暂定指只有一个评审模型标记的情况。