scaling01 回顾停更 Elo 转投 ECI，现以 Glicko-2 自建榜评估模型

scaling01 重新更新模型能力排行榜，在手工清洗数据后改用 Glicko-2，并将模型至少出现在 10 个 benchmark 的上榜门槛从 5 个提高，以增强榜单稳定性。新榜标注各模型 95% 置信下界和出场次数，结果仍由 Gemini 2.5 Pro 居首；他同时回顾了一年前因认可 ECI 的 IRT 方法而停更自建 Elo 榜的决定。