关闭广告

谁是AI之王?聊聊备受争议的AI评测与崛起的LMArena

硅谷101965人阅读

撰稿 |张珺玥

编辑 |陈茜

在大模型激战的当下,究竟谁更强?是OpenAI的GPT,还是Anthropic的Claude?是谷歌的Gemini,还是中国的DeepSeek?

当AI模型排行榜开始被各种刷分作弊之后,谁家大模型最牛这个问题就变得非常主观,直到一家线上排行榜诞生,它叫:LMArena。

在文字、视觉、搜索、文生图、文生视频等不同的AI大模型细分领域,LMArena上每天都有上千场的实时对战,由普通用户来匿名投票选出哪一方的回答更好。最近以来,很多AI研究者都纷纷发声,认为大模型竞赛的下半场,最重要的事情之一就是重新思考模型评估。

因为当技术创新趋于饱和,真正拉开差距的,可能将不再是谁的参数更多、推理更快,而是谁能更准确地衡量、理解模型的智能边界。

在大模型评测上,传统的Benchmark(基准测试)究竟存在什么问题,是已经过时了吗?LMArena的竞技场模式为什么会被视为一种新的标准?它的技术机制、公平性和商业化隐藏着怎样的挑战?而下一代的大模型评测,又可能会走向哪里?

(本文为视频改写,欢迎大家收看以下视频)

01

题库泄露、数据污染传统Be

上一页 下一页
版权与免责声明:本文内容转载自其他媒体,目的在于传递更多信息,不代表本网观点或立场,不承担此类作品侵权行为的自己责任及连带责任。
猜你喜欢
精彩推荐

路边停车累计欠费490元 车主拒缴:车被刮花没人管

封面新闻 浏览 1065

张柏芝第三个孩子成谜,未成年人隐私何时能守

可乐谈情感 浏览 500

乌克兰决定与尼加拉瓜断交

参考消息 浏览 864

埃尔法最大竞品复活了,这台新出的日系MPV有点酷!

汽车消费网 浏览 933

卫宁健康实控人周炜犯单位行贿罪一审获刑一年半,其子被提名为非独董

红星资本局 浏览 1845

春天就该这样穿!裙子选彩色、白色T恤作内搭,舒适优雅简约

静儿时尚达人 浏览 726

通义实验室负责人周靖人成为阿里合伙人;小米澎湃 OS 全球版性能追平中国版 | 早资道

封面新闻 浏览 942

队报:比赛中拉门斯的长传频繁且精准,推动了曼联的战术转型

懂球帝 浏览 924

全国首个!华为、联通把5G-A上行速率飚到1Gbps

快科技 浏览 865

张婉婷晒宋宁峰带娃出游,网友:不离了?

今古深日报 浏览 744

王家卫凉凉!开会支持《繁花》副导演精日言论,网友让他滚出中国

萌神木木 浏览 987

64岁男演员春节在景区打工,暴瘦引担忧!

扬子晚报 浏览 797

29岁女孩感谢蔡磊:使用其团队研发药物后病情没再发展

鲁中晨报 浏览 884

介绍一个如果你用了,你就看不到这篇文章的产品

时尚COSMO 浏览 931

韩国知名潮牌宣布将关闭中国全部门店 陆续打折清仓

潇湘晨报 浏览 941

看了观众对何赛飞的评价,我才明白当年郭宝昌那番话的含金量

娱乐圈笔娱君 浏览 1042

收手吧沈腾,新片耗资1亿,预售票房仅15万

靠谱电影君 浏览 866

卡萨诺:有九名球员不配在尤文踢球,戴维糟糕到令人难以直视

懂球帝 浏览 1050

华为诺亚实验室突破:轻量化技术提升AI规划效率

科技行者 浏览 845

宁波象山沿海进行军事演练 禁止驶入

极目新闻 浏览 891

49岁舒淇终于承认不孕,备孕9年无果一度抑郁

小娱乐悠悠 浏览 969
本站所有信息收集于互联网,如本站收集信息侵权,请联系我们及时删除
闽ICP备16027347号-4