AI模型评估平台Arena：由被排名公司资助的“不可操纵”排行榜

人工智能模型数量快速增长，竞争激烈，如何评判最佳模型成为关键问题。Arena（前身为LM Arena）已成为前沿大型语言模型（LLMs）事实上的公共排行榜，影响着资金、产品发布和公关周期。该初创公司在短短七个月内，从加州大学伯克利分校的一个博士研究项目发展到估值17亿美元。在TechCrunch的《Equity》节目中，主持人Rebecca Bellan与Arena联合创始人Anastasios Angelopoulos和Wei-Lin Chiang探讨了其平台如何成为前沿AI模型的首选排行榜，以及他们如何在OpenAI、谷歌和Anthropic等公司支持该项目的情况下构建中立基准。他们详细解释了Arena的运作方式，为何其比静态基准更难被操纵，“结构性中立”的实际含义，为何Claude目前在法律和医疗用例的专家排行榜中位居榜首，以及公司如何通过新的企业产品将基准测试从聊天扩展到智能体、编码和现实世界任务。