排行榜“你无法操纵”，由其排名的公司资助

Source: TechCrunch

概览

人工智能模型正快速增多，竞争异常激烈。随着如此多的参与者涌入这一领域，哪一个模型会是最优秀的——以及谁来决定这一点？Arena（前身为 LM Arena）已成为前沿大语言模型的事实标准排行榜，影响资金投入、产品发布和公关周期。仅在七个月内，这家初创公司就从加州大学伯克利分校的博士研究项目成长为估值 $1.7 billion 的公司。

与 Arena 联合创始人的访谈

Equity 主持人 Rebecca Bellan 与 Arena 联合创始人 Anastasios Angelopoulos 和 Wei‑Lin Chiang 对话，探讨他们的平台如何成为前沿 AI 模型的首选排行榜，以及他们如何在 OpenAI、Google、Anthropic 等公司支持项目的同时，努力构建一个中立的基准。

Arena 的工作原理

• 比静态基准更难被操控 – Arena 的动态评估使参与者难以针对固定测试集进行过度优化。
• 结构性中立性 – 团队解释了“结构性中立性”在实践中的含义，以及它如何帮助保持排行榜的公正性。
• 当前表现领跑者 – Claude 目前在法律和医疗用例的专家排行榜中名列前茅。
• 产品扩展 – Arena 正在从聊天扩展到评估代理、编码以及真实世界任务，并推出全新的企业产品。