Skip to content
TheChatArchiveThe Chat Archive
Claudeclaude-3-5-sonnet-20241022· AnthropicHugging Face LMArena Human Preference 140K

我有些困惑嘛,所以才想让你给我推荐啥的

From a Chatbot Arena battleThe same person sent this prompt to two anonymous models at once. Compare it with grok-3-mini-beta’s answer.
  1. User

    我有些困惑嘛,所以才想让你给我推荐啥的

  2. Claude Assistant

    明白了,让我直接推荐几个最实用的评估方式:

    1. MMLU排行榜
    • 最能反映模型的知识深度和推理能力
    • 包含医学、法律、数学等多个专业领域的测试
    • 分数越高,说明模型思维越深入
    1. Chatbot Arena
    • 最贴近日常使用体验
    • 可以直观感受模型的对话能力和情商
    • 排名靠前的模型通常综合表现更好
    1. GSM8K
    • 专门测试数学推理能力
    • 需要模型展示详细的解题步骤
    • 很好反映模型的逻辑思维水平

    如果你只想看一个,我建议先看 Chatbot Arena,因为它最接近实际使用场景,评分也比较全面。

    你主要是想了解哪方面的能力?我可以根据你的具体需求给出更精准的建议。

  3. User

    那么哪里能用更多的先进模型?或者被各大Ai公司重视

  4. Claude Assistant

    从目前来看,几个比较受重视的平台:

    1. LMSYS Arena
    • 最活跃的AI对战平台之一
    • 包含了主流大模型如GPT-4、Claude、Gemini等
    • 经常有新模型加入测试
    1. Hugging Face
    • AI界的GitHub
    • 各大公司都会在这发布模型
    • 有完整的评测体系
    1. Anthropic的Claude
    • 提供API访问
    • 支持长文本、编程等复杂任务
    • 经常更新新版本
    1. Google的AI Studio
    • 可以使用Gemini系列模型
    • 提供免费额度
    • 支持多模态任务
    1. OpenAI的GPT Store
    • 可以使用定制化的GPT
    • 生态较为完整
    • 商业化程度高

    这些平台都比较受重视,经常会有新模型发布。你想尝试哪种类型的应用?我可以给出更具体的建议。

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.