熱門話題
#
Bonk 生態迷因幣展現強韌勢頭
#
有消息稱 Pump.fun 計劃 40 億估值發幣，引發市場猜測
#
Solana 新代幣發射平臺 Boop.Fun 風頭正勁
Anastasios Nikolas Angelopoulos
構建 LMArena。
黑盒統計，模型評估。
@Berkeley_EECS博士，前學生研究員@GoogleDeepMind和@stanford_ee校友。
這次的發布真是太厲害了。這是今年 LMArena 最大的更新之一！
Code Arena 是我們下一代的編碼評估，從網頁開發任務開始。
在這裡，你可以使用模型來建立互動式網站並與朋友分享。鏈接是持久的，因此你可以例如建立一個遊戲，隨時玩。
在這裡觀看兩個模型 -- @claudeai Haiku 和 @grok-Code-Fast -- 競爭建立一個星系。在這種情況下，我喜歡 Grok 的 "星際大戰" 效果！
2025年11月13日
🚀介紹 Code Arena：下一代針對前沿 AI 模型的即時編碼評估。旨在測試模型如何逐步規劃、搭建、除錯和構建真正的網頁應用程式。
今天就在 Code Arena 嘗試 Claude、GPT-5、GLM-4.6 和 Gemini！
195
🏆全新 LMARENA 排行榜🏆
🤓專家
💻 軟體與資訊科技服務
✍️ 寫作、文學與語言
🔬 生命、物理與社會科學
🎭 娛樂、體育與媒體
📈 商業、管理與財務運營
🧮 數學
⚖️ 法律與政府
🩺 醫療與健康照護
對 AI 經濟效用的評估（如 GDPval）越來越相關，但收集成本高昂。我們與 LMArena 每月數百萬貢獻者的社群合作，從根本上獲取職業和專家數據，解決了可擴展性問題。
>5% 的 LMArena 用戶是專家，且 LMArena 提示中有大量來自經濟價值行業的內容：軟體工程師、學生/研究人員、行銷人員/設計師、醫生、律師等。這使我們能夠在這些類別中建立基於每日新鮮反饋的在線排行榜。這彰顯了我們在 @arena 創建的現實世界反饋系統的力量！
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 🧵 👇
1.01K
熱門
排行
收藏