Compass Arena 大语言模型对战榜单新一轮更新来啦！

CompassArena 自榜单首次上线以来，收到了更多用户的反馈和真实体验数据。今天，大模型对战迎来了新一轮更新，同时新增了子榜单功能，快来看看吧！

目前 CompassArena 大模型竞技场已支持 30 余个主流大语言模型，包括 InternLM系列、GLM-4-0520、Qwen2系列、文心一言4.0、DeepSeek-V2、星火3.5、豆包pro/240615、零一万物等。

截至8月1日，CompassArena 已收集到超过 11000 条有效的大模型匿名对战数据，并更新了大语言模型的 Elo 等级分数排名。其中：

• 排名（UB）：定义模型的排名为比目标模型（在统计意义上）更优的模型数量加一。若模型A的95%置信区间的下限大于模型B的95%置信区间的上限，则模型A被认为统计显著优于模型B。

• 排名（Elo）：基于模型竞技场Elo分数进行降序排列得出的排名。此排名受Elo估计的不确定性影响，因此应该结合95%置信区间合理评估模型的真实水平。

以下为最新（2024年8月1日）的匿名对战 Elo 分数和排名：

基于匿名对战结果，我们发现：