通過舉辦一場比賽來測試 @Havelock_AI 分數的穩健性，Claude 僅被提供兩篇文本的語法和詞彙標記（無內容），並被要求猜測哪一篇更口語化。我們將看看得分較高的文本是否真的擁有更高的 ELO。

大規模運行前的第一次測試批次