在人工智能迅猛发展的今天，如何评估和比较不同的AI聊天机器人模型已成为一个备受关注的话题。Chatbot Arena，作为一个众包人工智能基准测试的开放平台，由加州大学伯克利分校的SkyLab和LMArena的研究人员共同开发，旨在通过用户投票和测试数据，为我们揭示这些大模型的真实表现。本文将深入探讨Chatbot ...

LMArena更新了Meta最新发布的开源大模型Llama-4-Maverick的排名，从此前的第2名，直线掉到了第32名！这也实锤了此前开发者对Meta为刷榜排名向LMArena提供了“特供版”的Llama4大模型的质疑。开源版同款Llama-4-Maverick-17B-128E-Instruct在LMArena的排名为32名，远低于Gemini2.5Pro、GPT4o、DeepSeek-V3 ...

随着 AI 聊天机器人的迅速普及，我们很难判断哪些模型确实在改进，哪些则已经落后。传统的学术基准测试提供的信息有限，因此许多人开始依赖 LM Arena 基于直觉的分析。然而，一项新研究声称，这个流行的 AI 排名平台充斥着不公平做法，偏袒那些恰好位居排行榜前列的大公司。但该网站的运营者则表示，该研究得出了错误的结论。

近期，学术界对大型语言模型（LLM）领域内的权威评价平台——Chatbot Arena排行榜提出了深刻质疑，这一话题迅速引起了广泛关注。一篇题为《排行榜幻觉》的论文，对排行榜的可信度进行了全面剖析，揭示了其背后存在的多重问题。

文 | 青橙财经，作者丨青沐，编辑丨六子 大模型的征战还未结束，一场关于AI Agent（智能体）的围猎之战又轰然开启。 被称为“全球首款真正意义通用AI ...

字节管理层判断AI对话类（或称chatbot类）产品可能只是AI产品的“中间态”，长期更理想的产品形式，大概率需要更视觉化的用户体验、更低的用户 ...