研究人员通过实验证明，这种「最佳-N选择」策略会系统性地提高Arena分数，违背了基础的布拉德利-特里模型（Bradley-Terry model）假设。 利益冲突声明：@AiEleuther的lm eval ...

作者：Bryan编辑：Cage在上一篇研究图谱中，我们指出医疗领域很可能是 Vertical Agent 最先落地的领域，其中最有代表性的公司之一是 OpenEvidence，一款专为医生设计的 AI 专业诊断 ...

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 ...

4月25日，阿里巴巴旗下的夸克AI 超级 框宣布推出一项创新功能——“拍照问夸克”。这一新功能基于先进的视觉理解和思考推理模型，能够更精准地理解和回答用户在物理世界中遇到的各类问题。