#Bradley-Terry

Arena 榜单深度解析：众包盲测如何成为 AI 评测的黄金标准

Arena 榜单深度解析：众包盲测如何成为 AI 评测的黄金标准 > 当传统基准测试面临"刷榜"困境，Arena 用真实人类投票重新定义了 AI 能力评估。 一、为什么需要 Arena？ 传统基准测试的困境 在大型语言模型（LLM）飞速发展的今天，传统自动化基准测试（如 M