LMArena 是加州大学伯克利分校推出的 AI 模型评估平台，通过匿名投票对比各大语言模型并生成公开排行榜。本文介绍它的原理、使用方法与评测结果怎么看。
学习内容
配套工具：LMArena LMArena是加州大学伯克利分校推出的AI模型评估平台，通过用户匿名投票对比各大语言模型表现并生成公开排行榜，助力开发者与研究人员进行客观的模型能力测试与选择LMArena 是由加州大学伯克利分校推出的 AI 模型评估平台，圈内俗称「大模型竞技场」。它让用户以匿名盲测的方式同时与两个模型对话，投票选出回答更好的一方；海量投票汇总后生成公开的模型排行榜（Elo 积分制）。它不依赖静态测试题，而是用真实用户投票衡量「哪个模型用起来更好」。
传统基准（如 MMLU）是「考试式」评测：模型回答固定题目，比正确率。LMArena 是「实战式」评测：
因此 LMArena 的排名往往比单次刷分更接近「普通用户的实际体验」。
排行榜按不同维度划分：
Q：LMArena 免费吗？
A：参与投票与查看榜单免费，部分高级功能（如专属评测）以官网政策为准。
Q：中文模型在 LMArena 上表现如何？
A：榜单有中文相关场景，中文模型在中文问答场景排名有竞争力，具体以最新榜单为准。
Q：LMArena 能代替其他基准吗？
A：它是体验型评测的补充，建议与 MMLU 等知识型基准、Open LLM Leaderboard 等开源榜单一起看。
LMArena 把「模型好不好用」交给真实用户投票，是模型选型最贴近实际体验的参考之一。参与投票、看懂榜单、交叉验证，你就能在模型快速迭代的时代做出更靠谱的选择。
延伸阅读：本站 AI 百科「大模型评测基准」；教程「Open LLM Leaderboard 怎么用」。
继续学习
AGI（通用人工智能）是所有 AI 公司的终极目标。本文讲清 AGI 与当前 AI 的区别、发展阶段与争议。
C-Eval 是面向中文基础模型的评估套件，涵盖 52 个学科、13948 道题目，是国内大模型评测最常引用的中文基准。本文介绍它的构成、榜单与中文评测的要点。
微调让通用大模型适配特定业务。本文讲清微调原理、方法与 RAG 的取舍。
NotebookLM 是谷歌推出的 AI 笔记助手，能把你的私有文档变成可交互的知识库，还能一键生成对话式播客。本文从创建笔记本、上传资料、提问与生成音频概览四个步骤，带你快速上手。
RAG（检索增强生成）解决大模型知识过时与幻觉问题。本文讲清原理、流程和适用场景。
temperature（温度）与 top-p 是控制 AI 输出随机性与多样性的两个核心参数。本文用通俗例子讲清原理，并给出不同场景的调参建议。
