和 GPT-4 并列第一，LMSYS 基准测试显示 Claude-3 模型表现优异

摘要： 在年月日稳定币经历了一次明显脱锚短时间内跌至美元稍后回升至美元一度脱离其美元的锚定价值达到之家月日消息根据公布的最新基准测试报告得分以微弱优势超越成为该平台最...

在2024年1月18日，稳定币TrueUSD（TUSD）经历了一次明显脱锚，短时间内跌至0.9685美元，稍后回升至0.9743美元。一度脱离其1美元的锚定价值达到2.

IT之家 3 月 28 日消息，根据 LMSYS Org 公布的最新基准测试报告，Claude-3 得分以微弱优势超越 GPT-4，成为该平台“最佳”大语言模型。

IT之家首先介绍下 LMSYS Org，该机构是由加州大学伯克利分校、加州大学圣地亚哥分校和卡内基梅隆大学合作创立的研究组织。

该机构推出 Chatbot Arena，这是一个针对大型语言模型（LLM） 的基准平台，以众包方式匿名、随机对抗测评大模型产品，其评级基于国际象棋等竞技游戏中广泛使用的 Elo 评分系统。

评分结果通过用户投票产生，系统每次会随机选择两个不同的大模型机器人和用户聊天，并让用户在匿名的情况下选择哪款大模型产品的表现更好一些，整体而言相对公正。

Chatbot Arena 自去年上线以来，GPT-4 一直稳居头把交椅，甚至成为了评估大模型的黄金标准。

不过昨天 Anthropic 的 Claude 3 Opus 以 1253 比 1251 的微弱优势击败了 GPT-4，OpenAI 的 LLM 被挤下了榜首位置。由于比分过于接近，出于误差率方面的考量，该机构让 Claude 3 和 GPT-4 并列第一，GPT-4 的另一个预览版也并列第一。

更令人印象深刻的是 Claude 3 Haiku 进入前十名。Haiku 是 Anthropic 的 local size 模型，相当于谷歌的 Gemini Nano。

它比拥有数万亿参数的 Opus 要小得多，因此相比之下速度要快得多。根据 LMSYS 的数据，Haiku 在排行榜上名列第七，有媲美 GPT-4 的表现。