Xếp hạng Elo là một hệ thống tính điểm sử dụng phương pháp định lượng sức mạnh tương đối được phát triển trong cờ vua để đánh giá các mô hình AI.
Xếp hạng Elo là một hệ thống đánh giá được nghĩ ra vào những năm 1960 để định lượng khả năng của người chơi cờ, được điều chỉnh phù hợp với lĩnh vực AI. LMSYS Chatbot Arena đã áp dụng nó vào năm 2023 và nó đã trở thành tiêu chuẩn ngành để tính điểm linh hoạt các LLM như ChatGPT và Claude thông qua so sánh theo cặp của con người (sắp xếp câu trả lời của hai mô hình để xác định người thắng hay người thua).
Cạm bẫy trong hoạt động thực tế tính đến năm 2026 là điểm Elo phản ánh “các câu trả lời được con người ưa thích” và không nhất thiết phải phù hợp với độ chính xác và tính nhất quán logic. Có nhiều trường hợp các câu trả lời chứa thông tin sai lệch nghe có vẻ trôi chảy nhận được xếp hạng cao và lý thuyết trong lĩnh vực này là sử dụng chúng kết hợp với các chỉ số khác cho RAG và các nhiệm vụ chuyên môn.
Về mặt chi phí, nếu bạn xây dựng nền tảng đánh giá Elo của riêng mình thì chi phí so sánh API sẽ thấp ($0,002 đến $0,01/mục), nhưng cần phải thực hiện hàng nghìn phép so sánh để có được độ tin cậy thống kê, do đó, kết hợp với ghi nhãn thủ công có nhiều khả năng là lựa chọn phù hợp hơn. ReviewAI theo dõi xu hướng điểm Elo hàng tháng và Gemini 2.5 Pro và Claude Opus 4 sẽ tiếp tục cạnh tranh để giành vị trí dẫn đầu trong nửa đầu năm 2026. Về cách chọn, chúng tôi khuyên bạn nên kết hợp nó với eval, vốn chuyên dùng cho nhiệm vụ của công ty bạn, thay vì nghĩ "Elo cao = phù hợp với kinh doanh".