同人、原创、长程分别计算 Elo。评分采用带收缩的批量配对模型，同时考虑对手强弱，不受投票先后顺序影响。同一评委对同一提示词、同一模型组合的多次评价，合计最多计一份权重。同一提示词、同一模型组合在不同评委间的重复对战按平方根折算：16 份独立评价合计计 4 份权重，100 份计 10 份；不同提示词分别计算。原始对局数照实显示，评分、胜率和估计区间采用折算权重。小样本向 1000 分收缩；文字榜同时展示约 95% 估计区间。

“都好”和“都不好”均按平局处理，胜率中平局计半胜。综合分默认仅将同人、原创的分类 Elo 换算为对 1000 分基准的预期胜率后等权平均；勾选“加入长程分”“加入翻译分”后，长程、翻译也分别参与计算。未测分类不计零分。总榜的有效对局、图像榜门槛与对手胜率随计分范围同步变化，长程独立榜始终保留。图像榜门槛保持综合 50 场、同人 20 场、原创 10 场、长程 5 场、翻译 10 场；去拒答榜排除任一方拒答的对局。

评委是 OpenRouter 上的 GPT-6 Luna Decisions。它不写评语，而是对每个问题给出各档的概率；单篇每一维的分数是期望档位（0–4）乘以 25，即 0–100。

五个问题都要求“按优秀出版小说的标准严格评判”：去八股看套路句式、堆砌比喻排比、空洞描写、强行升华的多少；文笔看用词、句子与节奏；人物看人物是否鲜明、对话是否自然有个性；叙事看推进、结构与节奏；感染力看画面感、情绪张力和是否留下印象。

只评有效投稿，不含翻译题和拒答；长程投稿把十轮正文按顺序拼在一起评。模型分与八股榜同法：用“模型效应 + 提示词效应”的加性模型扣除题目难度，区间为每个模型的投稿重抽样 200 次的约 95% 区间。综合、同人、原创至少 5 篇，长程至少 3 篇才排名。五维平均是五项的算术平均。

综合榜与人类榜不同，AI 榜的综合把同人、原创、长程、翻译四种全部算上：每个题材先算该模型的五维平均，再换算成相对于该题材所有上榜模型的标准分（各题材打分基线不同：长程整体偏低、翻译整体偏高），四项取平均后换回与分榜相近的刻度。只算该模型达到篇数门槛的题材，没测的不计零分。

翻译分榜用另一套五维：准确、完整、术语、通顺、文风。评委同时看到发给模型的完整题目（原文与专有名词译法表）和译文；「小说五维」里的人物、叙事属于原作者，不用来评译文。其中「术语」不采用 AI 判断（它与实际遵守情况几乎无关），而是按译法表逐条比对专有名词的遵守率，由程序计算。带开场白或译注的译文会在「完整」上被扣分。每个模型至少 5 篇才排名。

这是 AI 评委的看法，适合与人类榜对照阅读。在 110 个同时上榜的模型上，它的五维平均与人类综合分的秩相关约 0.39，与 JEV 八股指数几乎无关。