Arena （原名Chatbot Arena、LMArena）是一個公開的線上聊天機械人平台及排名，其透過匿名、群眾參與的成對比較來評估大型語言模型。
使用時，使用者輸入提示，由兩個匿名模型生成回覆，再投票選出表現較好的模型，模型名稱會在投票後才顯示。使用者也能自行挑選模型進行測試。
Arena在人工智慧領域中具有影響力，許多大型公司會在平台上提供自家語言模型，例如GPT、Gemini 、Claude 、Mistral、Grok、深度求索、Kimi，利用平台上的排名推廣產品，以及使用用戶在網站上的對話訓練模型。該網站也會被用於測試尚未正式公開的模型版本。
例如，中國公司DeepSeek在R1模型受到西方媒體關注前的數月，便已在Arena上測試其原型模型。其他在平台進行預先測試的案例包括：OpenAI以「summit」為代號測試GPT-5的變體，以及Google DeepMind以「nano-banana」為代號測試Gemini-2.5-Flash-Image。
不過，Arena的評估方法也成為學術界分析的對象，研究指出其存在局限，並提出改進建議。平台隨後依據相關研究持續更新政策與方法論。
參考資料
外部链接
- [https://lmarena.ai/ 官方网站]
评论 (0)