LMSYS 组织在https://chat.lmsys.org/?arena上进行了一项有趣的试验,同时与两个匿名的大模型聊天,在模型输出结果之后,再人工对其进行打分,模型的名称会在投票后显示。
不过,这一轮Claude抢跑直接说出了自己的名字🤭,但是从第二轮问答来看,右边的Claude明显还是强于左边的mpt-7b的。一共有如下13位参赛选手:
vicuna-13b | koala-13b | oasst-pythia-12b | RWKV-4-Raven-14B |
alpaca-13b | chatglm-6b | llama-13b | dolly-v2-12b |
stablelm-tuned-alpha-7b | fastchat-t5-3b | mpt-7b-chat | ChatGPT-3.5 |
欸,不是说好的13位参赛选手吗,怎么还少一位?缺少的那一位当然就是“跳出三界外,不在五行中”的GPT-4了。🙄
在这一轮的测试中,虽然Claude充分发挥了他话痨的特点,很尽力的在安慰我了,但是GPT-4就是这么不讲道理的,用最少的语言就给出了最精妙的回答。
而在这一轮的卧龙凤雏比拼当中,ChatGLM依旧嘴硬我行我素,但是无奈alpaca在中文领域实在是太薄弱了,无奈我的票也只能投给ChatGLM了。😔但是需要注意的是,由于某些原因,这个测试绝大部分是在英语环境下,因此alpaca的这个弱点并不会被放大。以下是总榜单:
可以看到GPT-4毫无意外的又荣登宝座了,不过随着近期bard以及Claude的升级,不知道下周GPT-4还能不能蝉联这个桂冠呢?除此之外ChatGLM以6B的弱小身板能在英文环境下依旧徘徊在中游,也挺令人吃惊的。下图是测试的详细数据:
最近还流传了一张中文大模型之间的比拼图:
这张图据说争议很大,但是经过我这个弱小的人类测试,实际效果可能也跟这张图大差不差。文心一言最近也在以肉眼可见的速度变聪明,相信不久后他也能摆脱倒一的称号,慢慢变强。
服务器托管,北京服务器托管,服务器租用 http://www.fwqtg.net
相关推荐: Python之路,Day20 – 分布式监控系统开发
本节内容 为什么要做监控? 常用监控系统设计讨论 监控系统架构设计 监控表结构设计 1.为什么要做监控? –熟悉IT监控系统的设计原理 –开发一个简版的类Zabbix监控系统 –掌握自动化开发项目的程序设计思路及架构解藕原则 2.常用监控系统设计讨论…