LMArena (Chatbot Arena)
Millions of blind human votes — preference as a leaderboard.
أنت تطّلع على سجل معيار قياسي: اختبار تستخدمه الصناعة لقياس الشرائح أو النماذج — وما الذي يكشفه فعلاً.
LMArena shows users two anonymous answers and asks which is better, aggregating millions of votes into Elo ratings. It measures what benchmarks cannot — perceived quality — and its weaknesses are equally human: style bias, and vendors tuning for votes (the Llama 4 episode made this a governance story).
كيف يرتبط هذا ببقية المنظومة
روابط هذا السجل في لمحة — انقر على أي مجموعة للانتقال إليها.
معايير الأداء
المصادر
السجل مراجَع بتاريخ 2026-01-15 — عرض المنهجية.