什么是LLM竞技场？为什么它如此重要？

静态基准测试的局限性

像MMLU和HumanEval这样的传统测试非常有价值，但也有局限。模型可能会针对特定测试集进行过拟合优化，无法完全反映真实场景。

进入竞技场模式

LLM竞技场是一个平台，用户可以在这里盲测两个匿名模型的回答并投票。这创造了一个基于真实人类偏好的动态排行榜。

Elo积分机制

用户输入提示词 -> 两个随机模型生成回答 -> 用户选择更佳者 -> 系统更新Elo分值。