我有些困惑嘛,所以才想让你给我推荐啥的
- User
我有些困惑嘛,所以才想让你给我推荐啥的
Assistant
明白了,让我直接推荐几个最实用的评估方式:
- 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
- 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
- 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。
- User
那么哪里能用更多的先进模型?或者被各大Ai公司重视
Assistant
从目前来看,几个比较受重视的平台:
- 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
- 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
- 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
- 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
- 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。
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.