大模型到底哪家强？达摩院推出“全自动竞技场Auto Arena”评测框架

文章预览

【🚀达摩院重磅推出】 全球首创的全自动大模型竞技场🌟Auto Arena of LLMs🌟来袭！突破传统，首次实现无需人工标注的评测革命。通过大模型出题、大模型辩论、大模型委员会裁定，该方法无需任何人工，却可以达成目前和人类评测结果一致度最高的结果。通过评测发现，国产大模型（minimax，商汤日日新，千问等）表现强劲，在中英文评测中均展现出与 GPT-4 旗鼓相当的实力！🔥日后，该榜单将实时更新迭代，为大模型的能力评估提供最真实、最及时的评测。 论文链接： https://arxiv.org/abs/2405.20267 论文作者： 赵若辰，张雯轩，谢耀赓，赵德丽，邴立东 项目网站： https://auto-arena.github.io/ Leaderboard链接： https://huggingface.co/spaces/Auto-Arena/Leaderboard 导言 自从 ChatGPT 走红以来，大语言模型（LLMs）时代已经全面来临。如今，几乎每天都有各种科技公司和实验 ………………………………