LMSYS Org推出的大模型竞技场Chatbot Arena，已成为海外最具公信力的大模型榜单之一，但该榜单中文化程度相对不足。近日，上海人工智能实验室联合魔搭社区推出中国大语言模型评测竞技场Compass Arena，首度集齐国内主流大模型全阵容，阿里通义千问、百度文心一言、腾讯混元、讯飞星火、字节跳动豆包、智谱AI、百川智能、零一万物、月之暗面、Minimax、深度求索、书生•浦语等20款国产大模型出战，角逐中国大模型“最强王者”。
相比考题固定的传统测评，大模型竞技场采用盲测、开放的测评模式，可以更全面地检验模型实力。Compass Arena设置了随机、匿名对战，大模型选手们成为“蒙面唱将”，模型信息隐去后，由系统随机匹配进行PK，用户可以天马行空自由出题，并作为评委主观评判和投票。如果大模型不小心“自报家门”，则对话被过滤，不计入成绩。通过成千上万轮PK挑战和用户投票，系统将对大模型进行自动排名。
Compass Arena由上海人工智能实验室OpenCompass司南评测体系与魔搭社区联合建设，前者负责组织评测，后者负责开源模型引入及社区打造。据上海人工智能实验室OpenCompass团队介绍，Compass Arena力求体现社区用户的真实反馈，评测机制借鉴Chatbot Arena，采用Elo评分系统，即国际象棋等对弈活动评估的权威标准。在这种模式下，大模型竞技类似“在游戏中打排位”，胜率成为评估模型水平的关键指标，同时随着排位变高，系统也会自动匹配高段位选手进行对战。
与Chatbot Arena相比，Compass Arena更聚焦中文大模型，主流国产大模型全覆盖，同时评测用户大多使用中文，可以充分评估国产大模型的性能。
目前，Compass Arena已汇聚超20款商业及社区模型，包括Qwen-Max、ERNIE-4.0-8K、Spark3.5 Max、Abab6.5、GLM4等国内头部厂商的旗舰款大模型，并引入了Llama3、Mixtral等海外标杆模型进行参照。更多模型及厂商还在不断加入中。
上线不到一周，已有上万人访问魔搭Compass Arena页面。魔搭社区表示，欢迎广大开发者和网友参与大模型排位赛的投票，共同促进国产大模型的进步和赶超。后续，Compass Arena首期排行榜将揭晓，并将定期公布更新。
魔搭社区Compass Arena链接：https://www.modelscope.cn/studios/opencompass/CompassArena
Compass Arena首批大模型名单： Abab6.5-Chat (MiniMax) Baichuan 4 (百川智能) C4AI Command R+ (Cohere) DBRX-Instruct (DataBricks) Deepseek-LLM-67B-Chat（深度求索） Deepseek-MoE-16B-Chat（深度求索） Doubao-Pro-4K (字节豆包) ERNIE-4.0-8K (百度文心一言) GLM4 (智谱AI) Hunyuan-Pro (腾讯混元) InternLM2系列（上海AILab书生•浦语） Llama3系列（Meta） Mixtral 8x22B Instruct (Mistral) MoonShot-V1-32K (月之暗面) Qwen1.5系列 (阿里通义千问) Qwen-Max (阿里通义千问) Spark3.5-Max (讯飞星火) Yi-34B-Chat (零一万物) Yi-Large (零一万物)
- 支付宝参与的“基于云原生的大规模云边协同关键技术及应用”获2023年度浙江省科学技术进步一等奖 – 2024年11月22日
- 碰一下就能点餐！麦当劳全国3000家门店新增全新点餐模式 – 2024年11月22日
- 何以傲立于软件市场？盖龙佳披露东软三大核心能力 – 2024年11月21日