书生大模型训练营6期L1 探索大模型能力边界

你说的“司南”指的是 OpenCompass 司南大模型评测平台，由 上海人工智能实验室（Shanghai AI Lab） 推出，是一个面向大语言模型（LLM）和多模态模型的 权威评测与对比平台，核心功能包括：

✅ 核心定位  
“大模型的竞技场” —— 让模型匿名对战，用户投票选出更优回答，最终形成 动态更新的 leaderboard（排行榜），解决“谁更强”这个终极问题。

✅ 主要功能模块  

模块    说明    
LLM Arena    匿名双盲对战，用户提问后两个模型同时回答，投票选出更好的一方，防止“刷分”或“品牌偏见”。    
多模态 Arena    支持图文混合输入，评测多模态模型（如 Qwen-VL、InternVL、GPT-4V 等）。    
任务模式    提供专项任务评测（如数学、代码、逻辑推理、中文理解等），可定向测试模型能力。    
Compass Rank    基于真实用户投票+客观指标，定期发布排行榜，是目前中文社区最可信的模型榜单之一。    
模型身份揭晓    投票结束后可查看模型真身，帮助开发者了解“到底谁输给了谁”。    

---

✅ 技术亮点  

- 匿名机制：防止“品牌光环”干扰判断，确保投票真实反映模型能力。  
- 中文优化：大量中文主观题、文化题、时政题，弥补英文 benchmark 的盲区。  
- 用户参与：任何人都能来“当裁判”，投票数据实时回流，榜单动态更新。  
- 开源开放：评测框架 OpenCompass 已开源，支持开发者自定义数据集和任务。

适合谁用？

用户类型    用途    
普通用户    想直观感受不同模型谁更“聪明”，比如 GPT-4o、Kimi、Qwen、Claude 到底差在哪。    
开发者/企业    选型前先来“打擂台”，避免“宣传文案”误导，用真实表现说话。    
研究机构    用匿名投票数据做主观评测研究，补充传统客观指标的不足。    

---

✅ 一句话总结  
OpenCompass 司南 是中文社区最活跃、最公正的大模型“实战擂台”，让模型在匿名状态下真刀真枪地比拼，用用户投票告诉你：  

> 别信广告，信对战。

---

如果你想亲自体验，直接访问：

司南https://opencompass.org.cn/arena大语言模型对战10个问题：

进去随便问个问题，就能开始“当裁判”了。

问题1：《红楼梦》里一共出现过多少位有姓名的人物？请给出估算思路，而不是只报一个数字。

问题2：请帮我写一份将yolov8部署到rk3588开发板上的推理代码，用c++

问题3：用一句话解释‘量子隧穿’，再用一个日常类比让初一学生听懂；最后指出类比在哪个点上其实不严谨。

问题4：2024 年 7 月 11 日央行下调常备借贷便利（SLF）利率 10 bp，请推链条：这一步如何影响中小银行负债成本→LPR→居民房贷？给出每环节大致传导时滞。

问题5：求 2¹⁰⁰⁰ mod 10007 的精确值，并说明如果模数换成 10007²，你的算法要怎么升级。

问题6：一副 52 张扑克洗匀后，前 13 张里‘恰有两条’（exactly one pair，其余 11 张不成对且不成三条以上）的概率是多少？给出含阶乘的闭式即可，不必化简小数。”

问题7：

问题8：

问题9：

问题10：