5月21日消息，上周，一個(gè)名為“im-also-a-good-gpt2-chatbot”的神秘模型突然現(xiàn)身大模型競(jìng)技場(chǎng)LMSYS Chatboat Arena，排名直接超過(guò)GPT-4-Turbo、Gemini 1 .5 Pro、Claude 3 0pus、Llama-3-70b等各家國(guó)際大廠(chǎng)的當(dāng)家基座模型。隨后OpenAI揭開(kāi)“im-also-a-good-gpt2-chatbot”神秘面紗——正是GPT-4o的測(cè)試版本，OpenAI CEO Sam Altman也在Gpt-4o發(fā)布后親自轉(zhuǎn)帖引用 LMSYS arena 盲測(cè)擂臺(tái)的測(cè)試結(jié)果。
時(shí)隔一周，美國(guó)時(shí)間2024年5月20日剛刷新的 LMSYS Chatboat Arena 盲測(cè)結(jié)果最新更新的排名中，這次排名飛速上漲的模型是由中國(guó)大模型公司零一萬(wàn)物提交的“Yi-Large” 千億參數(shù)閉源大模型。該結(jié)果來(lái)自至今積累超過(guò) 1170萬(wàn)的全球用戶(hù)真實(shí)投票數(shù)。
全球榜
此次LMSYS Chatboat Arena共有44款模型參賽，在最新排名中，零一萬(wàn)物的最新千億參數(shù)模型 Yi-Large 總榜排名世界模型第7，中國(guó)大模型中第一，已經(jīng)超過(guò)Llama-3-70B、Claude 3 Sonnet；其中文分榜更是與GPT4o 并列世界第一。
中文榜
值得一提的是，排名前6的模型分別歸屬于海外巨頭 OpenAI、Google、Anthropic，零一萬(wàn)物位列全球第四機(jī)構(gòu)，且GPT-4、Gemini 1.5 Pro等模型均為萬(wàn)億級(jí)別超大參數(shù)規(guī)模的旗艦?zāi)Ｐ?，其他模型也都在大幾千億參數(shù)級(jí)別。Yi-Large “以小搏大” 以?xún)H僅千億參數(shù)量級(jí)緊追其后。
零一萬(wàn)物也由此成為了總榜上唯一一個(gè)自家模型進(jìn)入排名前十的中國(guó)大模型企業(yè)。在總榜上，GPT系列占了前10的4個(gè)，以機(jī)構(gòu)排序，零一萬(wàn)物 01.AI 僅次于 OpenAI, Google, Anthropic之后，以開(kāi)放金標(biāo)準(zhǔn)正式進(jìn)擊國(guó)際頂級(jí)大模型企業(yè)陣營(yíng)。
公開(kāi)資料顯示，LMSYS Org （Large Model Systems Organization） 是一個(gè)開(kāi)放的研究組織，由加州大學(xué)伯克利分校的學(xué)生和教師、加州大學(xué)圣地亞哥分校、卡耐基梅隆大學(xué)合作創(chuàng)立。由LMSYS Org發(fā)布的Chatbot Arena憑借其新穎的“競(jìng)技場(chǎng)”形式、測(cè)試團(tuán)隊(duì)的嚴(yán)謹(jǐn)性，成為目前全球業(yè)界公認(rèn)的基準(zhǔn)標(biāo)桿。
在形式上，Chatbot Arena首先將所有上傳評(píng)測(cè)的“參賽”模型隨機(jī)兩兩配對(duì)，以匿名模型的形式呈現(xiàn)在用戶(hù)面前。隨后號(hào)召真實(shí)用戶(hù)輸入自己的提示詞，在不知道模型型號(hào)名稱(chēng)的前提下，由真實(shí)用戶(hù)對(duì)兩個(gè)模型產(chǎn)品的作答給出評(píng)價(jià)，用戶(hù)在結(jié)果下方做出投票四選一：A模型較佳、B模型較佳，兩者平手，或是兩者都不好。提交后，可進(jìn)行下一輪PK。
通過(guò)眾籌真實(shí)用戶(hù)來(lái)進(jìn)行線(xiàn)上實(shí)時(shí)盲測(cè)和匿名投票，Chatbot Arena一方面減少偏見(jiàn)的影響，另一方面也最大概率避免基于測(cè)試集進(jìn)行刷榜的可能性，以此增加最終成績(jī)的客觀性。在收集真實(shí)用戶(hù)投票數(shù)據(jù)之后，LMSYS Chatbot Arena還使用Elo評(píng)分系統(tǒng)來(lái)量化模型的表現(xiàn)，進(jìn)一步優(yōu)化評(píng)分機(jī)制，力求公平反應(yīng)參與者的實(shí)力。
得益于“真實(shí)用戶(hù)盲測(cè)投票”這一機(jī)制，Chatbot Arena被稱(chēng)為大模型業(yè)內(nèi)最有用戶(hù)體感的評(píng)測(cè)。目前，Chatbot Arena已經(jīng)成為OpenAI、Anthropic、Google、Meta等國(guó)際大廠(chǎng)“龍爭(zhēng)虎斗”的當(dāng)紅擂臺(tái)。（宜月）
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。 ）
