Trang chủ › Các benchmark › LMArena (Chatbot Arena)
LMArena (Chatbot Arena)
Benchmark
Năng lực
Millions of blind human votes — preference as a leaderboard.
Bạn đang xem hồ sơ benchmark: một bài kiểm thử mà ngành công nghiệp sử dụng để đo hiệu năng chip hoặc mô hình — và những gì nó thực sự cho biết.
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).
Kết nối của mục này với phần còn lại của hệ thống
Các liên kết của hồ sơ này trong nháy mắt — nhấp vào một nhóm để chuyển đến nhóm đó.
Các benchmark
Nguồn
Hồ sơ được xem xét tính đến 2026-01-15 — xem Phương pháp luận.