热门话题
#
Bonk 生态迷因币展现强韧势头
#
有消息称 Pump.fun 计划 40 亿估值发币，引发市场猜测
#
Solana 新代币发射平台 Boop.Fun 风头正劲
Anastasios Nikolas Angelopoulos
构建 LMArena。
黑盒统计、模型评估。
@Berkeley_EECS博士，前学生研究员@GoogleDeepMind和@stanford_ee校友。
这个版本真是太牛了。这是今年 LMArena 最大的更新之一！
Code Arena 是我们下一代的编码评估，首先从网页开发任务开始。
在这里，你可以使用模型构建互动网站，并与朋友分享。链接是持久的，因此你可以例如构建一个游戏，并随时玩。
在这里观看两个模型 -- @claudeai Haiku 和 @grok-Code-Fast -- 竞争构建一个银河。在这种情况下，我喜欢 Grok 的 "星际大战" 效果！
2025年11月13日
🚀Introducing Code Arena: the next generation of live coding evals for frontier AI models. Built to test how models plan, scaffold, debug, and build real web apps step-by-step.
Try Claude, GPT-5, GLM-4.6 and Gemini in Code Arena today!
127
🏆新的LMARENA排行榜🏆
🤓专家
💻 软件与IT服务
✍️ 写作、文学与语言
🔬 生命、物理与社会科学
🎭 娱乐、体育与媒体
📈 商业、管理与金融运营
🧮 数学
⚖️ 法律与政府
🩺 医学与医疗保健
对AI经济效用的评估（如GDPval）变得越来越相关，但收集成本高昂。我们与LMArena每月数百万贡献者的社区合作，天然地获取职业和专家数据，解决了可扩展性问题。
>5%的LMArena用户是专家，LMArena提示中有大量来自经济价值行业的内容：软件工程师、学生/研究人员、市场营销人员/设计师、医生、律师等。这使我们能够在这些类别中建立基于每天新反馈的在线排行榜。这体现了我们在@arena创建的现实反馈系统的力量!
2025年11月6日
🚀 Introducing Arena Expert: a new LMArena evaluation framework to identify the toughest, most expert-level prompts from real users, powering a new Expert leaderboard.
We also introduce Occupational Categories that underlie eight new leaderboards:
💻 Software & IT Services
✍️ Writing, Literature, & Language
🔬 Life, Physical, & Social Science
🎭 Entertainment, Sports, & Media
📈 Business, Management, & Financial Ops
🧮 Mathematical
⚖️ Legal & Government
🩺 Medicine & Healthcare
Explore how models perform across fields in thread 🧵 👇
940
热门
排行
收藏