大模型盲测竞技场到底是个啥？ * { margin: 0; padding: 0; outline: 0; } body { font-family: “PingFang SC”, system-ui, -apple-system, BlinkMacSystemFont, “Helvetica Neue”, “Hiragino Sans GB”, “Microsoft YaHei UI”, “Microsoft YaHei”, Arial, sans-serif; line-height: 1.6; } .__page_content__ { max-width: 667px; margin: 0 auto; padding: 20px; text-size-adjust: 100%; color: rgba(0, 0, 0, 0.9); padding-bottom: 64px; } .title { user-select: text; font-size: 22px; line-height: 1.4; margin-bottom: 14px; font-weight: 500; } .__meta__ { color: rgba(0, 0, 0, 0.3); font-size: 15px; line-height: 20px; hyphens: auto; word-break: break-word; margin-bottom: 50px; } .__meta__ .nick_name { color: 576B95; } .__meta__ .copyright { color: rgba(0, 0, 0, 0.3); background-color: rgba(0, 0, 0, 0.05); padding: 0 4px; margin: 0 10px 10px 0; } blockquote.source { padding: 10px; margin: 30px 0; border-left: 5px solid ccc; color: #333; font-style: italic; word-wrap: break-word; } blockquote.source a { cursor: pointer; text-decoration: underline; } .item_show_type_0 > section { margin-top: 0; margin-bottom: 24px; } a { color: 576B95; text-decoration: none; cursor: default; } .text_content { margin-bottom: 50px; user-select: text; font-size: 17px; white-space: pre-wrap; word-wrap: break-word; line-height: 28px; hyphens: auto; } .picture_content .picture_item { margin-bottom: 30px; } .picture_content .picture_item .picture_item_label { text-align: center; } img { max-width: 100%; } .pay_subscribe_notice { margin: 30px 0; padding: 20px; background: fffbe6; border: 1px solid ffe58f; border-radius: 8px; } .pay_subscribe_badge { display: inline-block; padding: 4px 12px; background: faad14; color: fff; border-radius: 4px; font-size: 14px; font-weight: 500; margin-bottom: 12px; } .pay_subscribe_desc { font-size: 15px; line-height: 1.8; color: rgba(0, 0, 0, 0.7); margin-bottom: 12px; } .pay_subscribe_hint { font-size: 13px; color: rgba(0, 0, 0, 0.4); } .__bottom-bar__ { display: flex; justify-content: space-between; align-items: center; position: fixed; bottom: 0; left: 0; right: 0; height: 64px; padding: 8px 20px; background: white; box-sizing: border-box; border-top: 1px solid rgba(0, 0, 0, 0.2); } .__bottom-bar__ .left { display: flex; align-items: center; font-size: 15px; white-space: nowrap; } .__bottom-bar__ .right { display: flex; } .__bottom-bar__ .sns_opr_btn { display: flex; align-items: center; user-select: none; background: transparent; border: 0; color: rgba(0, 0, 0, 0.9); font-size: 14px; } .__bottom-bar__ .sns_opr_btn:not(:last-child) { margin-right: 16px; } .__bottom-bar__ .sns_opr_btn > img { margin-right: 4px; }
大模型盲测竞技场到底是个啥？
原创 数字生命卡兹克 数字生命卡兹克 2025-10-05 20:01 北京
昨晚刷到了一条推文。
大概意思就是，LMArena这个大模型竞技场上的排行榜更新了，在用户盲测中，现在文生图第一不是Banana和即梦4.0了。
是腾讯家的混元图像3.0，而且这玩意是开源的，以开源击败闭源。
然后今天又看到了很多人在发，但是也看到了一些群友的讨论，说这个竞技场到底是个啥？啥又是盲测？以及，这个排行榜它靠谱吗。
所以感觉可以简单的聊聊，LMArena这玩意不太一样的地方，还是蛮有意思的。
23年24年的时候，我们判断一个模型牛不牛逼，排行第几，主要靠的是跑分，也就是拿一堆标准化的评测集让大模型去测。
其实就跟我们传统的考试没啥区别，就是纯做题，谁分数高，谁就牛逼。
但是这玩意其实带来了一个现实生活中常常遇到的问题。就是，大模型变得特别特别会做题，非常的应试，但是你真让他干点活，一干一个不吱声。
23年的时候很多国产大模型就是靠跑分宣发，在XX上又超越GPT-4啦，大家懂的都懂。
那时候，天下苦这种应试久矣，就想着，能不能有个更公平的玩意，能真正客观的评价大模型的能力的。
于是，LMArena出来了，这玩意其实之前是23年加州伯克利的极客们搞的，之前的名字叫Chatbot Arena。
最核心的规则，就两个字，盲测。
你在他们的网站上，输入一个指令，比如“帮我画一只太空里的熊猫”，系统会把指令同事发给两个匿名的随机挑选的模型。然后，这两个模型会同时把它们的答案返回给你，一个叫模型A，一个叫模型B。
你要做的，就是你按照自己的品味，选出你觉得更好的那一个。
在你做出选择之前，你完全不知道模型A和模型B，到底哪个是banana，哪个是腾讯混元。
当你做出选择之后，才会揭晓谜底，告诉你刚刚是哪两个模型。
你每一次的选择，都会被计入一个游戏行业常用的Elo积分系统，就是那种你们天天打的排位赛，赢了的模型，会从输了的模型那里，拿走一点积分。
久而久之，经过成千上万次来自全世界各地用户的盲测对决之后，那个积分最高的模型，就是大家用正儿八经的投票，投出来的第一名。
这个就是竞技场的玩法，现在越来越权威越来越主流。
因为它跟传统排行榜最大的不同，在于它衡量的，是真干活咋样。
真的好，用户就会用脚投票。
这个东西，非常主观，但又无比重要。
网址我放在评论区，大家感兴趣的也可以自己去玩一玩。感受一下竞技场的魅力。
以上。
数字生命卡兹克
 阅读 赞  分享 ‘%3E %3Cg transform=‘translate(0 -2.349)‘%3E %3Cpath d=‘M0 2.349h24v24H0z’/%3E %3Cpath fill=‘%23576B95’ d=‘M16.45 7.68c-.954 0-1.94.362-2.77 1.113l-1.676 1.676-1.853-1.838a3.787 3.787 0 0 0-2.63-.971 3.785 3.785 0 0 0-2.596 1.112 3.786 3.786 0 0 0-1.113 2.687c0 .97.368 1.938 1.105 2.679l7.082 6.527 7.226-6.678a3.787 3.787 0 0 0 .962-2.618 3.785 3.785 0 0 0-1.112-2.597A3.687 3.687 0 0 0 16.45 7.68zm3.473.243a4.985 4.985 0 0 1 1.464 3.418 4.98 4.98 0 0 1-1.29 3.47l-.017.02-7.47 6.903a.9.9 0 0 1-1.22 0l-7.305-6.73-.008-.01a4.986 4.986 0 0 1-1.465-3.535c0-1.279.488-2.56 1.465-3.536A4.985 4.985 0 0 1 7.494 6.46c1.24-.029 2.49.4 3.472 1.29l.01.01L12 8.774l.851-.85.01-.01c1.046-.951 2.322-1.434 3.59-1.434 1.273 0 2.52.49 3.472 1.442z’/%3E %3C/g%3E %3C/g%3E %3C/g%3E%3C/svg%3E) 推荐 ’ fill=‘%23000’ fill-opacity=’.9’/%3E%3C/svg%3E) 留言