谁是AI之王?聊聊备受争议的AI评测与崛起的LMArena【硅谷101】

合集 · 人工智能专辑 (53)

  1. 31:31
    ChatGPT与人类未来:AI茧房、安全漏洞与未知的社会形态|ChatGPT特辑(2)
  2. 20:47
    ChatGPT这一战,科技巨头将重新洗牌【结尾有彩蛋🎉】|ChatGPT特辑 (1)
  3. 19:05
    谷歌的人工智能有感知了?
  4. 37:04
    特斯拉公布“擎天柱”新进展,AI机器人的ChatGPT时刻还有多远?
  5. 22:16
    盘点2023上半年最耀眼的AI公司们,泡沫正在堆积吗?(上)
  6. 21:58
    盘点2023上半年“卷上天”AI创业:VC资金疯狂批量砸出独角兽,科技巨头开启收购潮
  7. 27:57
    四万亿美元增量机会,亚马逊云科技全面押注企业级生成式AI:更开放、更全面和更“俭约”
  8. 32:33
    生成式AI这一年:从群雄混战到生态确立,世界已被改变 (送书福利)
  9. 35:00
    从Sora展开,全面解读AI视频大模型发展史【深度】
  10. 15:05
    各方大佬 “大打出手”:Sora是万众期待的“世界模型”吗?
  11. 35:31
    英伟达GTC 2024: 绝对霸主的权力与遥远的野心
  12. 27:09
    OpenAI与谷歌多模态重磅更新,生成式AI大战升级第二轮【硅谷101】
  13. 30:21
    抢电、圈地、对赌,深聊科技巨头的千亿美元AI能源大战 【硅谷101】
  14. 27:41
    揭秘疯狂“抢人”内幕 :硅谷AI精英人均“百万美元”薪酬,业界标配还是谣言?【硅谷101】
  15. 32:07
    平庸且保守,但苹果或是AI落地的最大赢家【深度解读WWDC 2024】
  16. 32:11
    震动的艺术:AI音乐大模型背后的技术突破、版权诉讼和资本蛋糕【硅谷101】
  17. 17:34
    全球AI新范式:拼参数还是卷应用?从狂热回归理性
  18. 25:41
    万卡集群的AI数据中心,到底是如何运作的?【硅谷101】
  19. 20:46
    3nm AI芯片、上百模型、最大集群,亚马逊云科技全面加码AI生产力【硅谷101】
  20. 44:29
    混乱、分裂、吞并:2024年AI的信仰之战【硅谷101】
  21. 1:20:17
    硅谷视角深聊:DeepSeek的颠覆、冲击、争议和误解【硅谷101】
  22. 48:45
    AI Agent爆发前的黎明:Manus不够好,但天快亮了【硅谷101】
  23. 40:59
    “再造一个CUDA”:英伟达的第二护城河与“超级碗”阳谋【深度解析GTC 2025】
  24. 32:01
    游戏是AGI的试验田?AI如何重塑游戏宇宙:探展2025全球游戏开发者大会
  25. 21:45
    Google I/O 2025:搜索帝国的自我革命与AI翻身仗【硅谷101】
  26. 33:11
    AI语音克隆进入“零样本”时代?解析TTS模型四大流派与问鼎榜首的MiniMax【硅谷101】
  27. 30:49
    通往AGI的“敲门砖”:全栈能力才是AI真实价值?【硅谷101】
  28. 25:57
    从“写诗”到“干实事”:“AI同事”是如何炼成的?【硅谷101】
  29. 21:55
    “幽灵光标”爆发在即?从OpenAI杀入通用AI Agent,看懂下一个万亿流量之战与四大技术流派【硅谷101】
  30. 36:21
    深聊GPT-5发布:过度营销的反噬与AI技术突破的困局【硅谷101】
  31. 25:39
    Nano Banana爆火背后,深聊谷歌多模态五大主线布局【硅谷101】
  32. 17:24
    走出硅谷,看看国际贸易的“ChatGPT时刻”【硅谷101】
  33. 37:30
    Neocloud“云端对决”:一场举债扩张下的AI高风险进击
  34. 9:45
    1024探班雪球:AI+鸿蒙,如何让投资更简单?【硅谷101】
  35. 23:11
    谁是AI之王?聊聊备受争议的AI评测与崛起的LMArena【硅谷101】
  36. 29:16
    给AI一个“身体”:3D数字人或是具身智能的解法?【硅谷101】
  37. 23:47
    微表情测谎、极速赔付、AI打败AI,深聊“AI in All”下的保险革命与增长飞轮【硅谷101】
  38. 17:43
    AI最烧钱的战场:数据中心的真实账单【硅谷101】
  39. 33:52
    AI云端狂想曲:亚马逊云科技的算力突围、Agent重构与卓越运营【硅谷101】
  40. 24:37
    阿里千问与“AI Layer”崛起:一场重塑互联网的“操作系统”生态战 【硅谷101】
  41. 34:08
    寻找“贾维斯”:AI将如何重塑汽车、云与人的关系【硅谷101】
  42. 35:35
    探展CES 2026:汽车开始“读懂”世界与Physical AI的“GPT时刻”【硅谷101】
  43. 40:06
    CES 2026:探展50个AI项目背后的泡沫、野心与非共识【硅谷101】
  44. 14:56
    为何顶尖AI公司都盯上游戏?【硅谷101】
  45. 49:36
    全面解析“世界模型”:定义、路线、实践与AGI的更近一步【硅谷101】
  46. 21:51
    GDC观察:游戏大厂都来聊AI,“游戏AI”的新规则由谁制定?【硅谷101】
  47. 28:05
    2026英伟达GTC:“推理之王”的ASIC反击战与Token经济学【硅谷101】
  48. 39:08
    AI救活了一家马桶公司,也点燃了存储芯片超级周期【硅谷101】
  49. 44:45
    智能体社交革命:AI Agent是怎么来到你我身边的?【硅谷101】
  50. 1:11:00
    硅谷看DeepSeek V4:模型效率、算力突围与AGI必经之路【硅谷101视频播客】
  51. 9:42
    “AI弃子”CPU逆风翻盘:英特尔、AMD与ARM意料之外的一场胜利【硅谷101】
  52. 43:07
    库克的离场,苹果新AI权力重构与价值观天平|WWDC26【硅谷101】
  53. 35:02
    Tokenmaxxing后的理智与Agent落地|探展亚马逊云科技中国峰会【硅谷101】
Description
在大模型激战的今天,谁才是真正的“最强AI”?传统的Benchmark测试正因“题库泄露”和“刷分”在失去公信力,而一个叫LMArena的平台,却用“匿名对战+人类投票”的方式,重新定义了大模型的评测标准。从GPT到Claude,从Gemini到DeepSeek,所有顶级模型都在这个虚拟竞技场中展开真正的较量。然而,随着Meta“刷榜”风波 、数据不对称问题以及平台自身的商业化 ,LMArena的公平性也开始面临严峻挑战。
传统的Benchmark真的过时了吗?LMArena的“人类判决”又隐藏着怎样的偏见与漏洞?当AI评估进入下半场,我们又该如何定义和衡量真正的“智能”?

Comments

Sheep024 2025-11-01

Lmarena对我最大的作用就是可以免费体验最新的付费大模型[doge][doge]

♥ 58 ↩ 1

目标是成为摸鱼冠军 2025-10-31

Lmarena 的text榜太抽象了,chatgpt4o小胜gpt5-thinking[笑哭]果然这种文字性问答领域还是不能交给人类用户评判。

♥ 55 ↩ 12

锡亚丹伦 2025-10-31

原来LMArena居然已经融资了,怪不得原来那个丑丑的页面(明显基于gradio)换成了新设计的页面。

♥ 22

南清真人 2025-10-31

有没有想过讲讲老黄的GTC[吃瓜][吃瓜][吃瓜]感觉一直讲的都很专业,让我这个文科生也能慢慢认识一些现代的科技[星星眼][星星眼][星星眼]

♥ 19 ↩ 6

人工智障唯一指定认证 2025-11-01

很有灵性的一句话,ai的上半场是如何训练更强的模型,下半场则是如何定义和衡量智能

♥ 13 ↩ 1

君王从此不洗头 2025-10-31

lmarena.ai我已经用一年多了,并且国内不用FQ,但是处理大文件不行,感觉还是不如在线版的GPT或者claude。个人感觉从claude3.7开始,一直比gpt好用一点点,就一点点,不多。

♥ 10 ↩ 6

AI前沿追踪 2025-11-02

lmarena说权威也权威,说不权威也不权威。不权威是因为它的排名跟实际水平不挂钩,权威是因为它其实是用户的喜好排名,4o按智商绝对被当今任意主流模型摩擦,但就是因为他很能迎合用户使他名列前茅。

♥ 9

Ennabeth 2025-10-31

这个嘉宾讲话太难受了,每句话都夹几个英语单词,你要么全英文讲,要么全中文,你少夹两个单词也行啊,干 [生气][生气][生气][生气][生气][生气][生气][生气]

♥ 8 ↩ 8

AI塑造未来 2025-10-31

AI视频排行榜不得看B站这种独立第三方平台的热门视频个数才客观! Sora2热门视频个数完爆其他AI模型[doge]

♥ 8 ↩ 2

443194371_DB2DMi 2025-10-31

其实LLM跟自动驾驶很像,This the consumers are the roads, 我觉最难的是,It's very very hard to find out 什么时候是 Supervisor , 什么时候是 LLM 。 当然,你在本地装了一个,那就当我啥都没说过。

♥ 8 ↩ 5

豆包吵股 2025-10-31

让大模型玩游戏评测,大有可为[星星眼]

♥ 5

Alnaschar 2025-11-03

作为 LM S Y S 团队的一员,这个词应该读作 LM sys(system) 😂😂😂 以及,全称叫做 LMSYS. Org

♥ 4

野生小紧张 2025-10-31

太高产了,我前面的都还没看完呢

♥ 4 ↩ 2

一丰为二 2025-10-31

感觉卖铲子的挖金子的都在各玩各的,把铲子吹的再nb也不及一个个真实的场景落地。

♥ 4 ↩ 4

swimming在这天空 2026-01-01

https://llmarena.ai/zh     给个免费的赞呗

♥ 3 ↩ 1

岩朋酒友 2025-10-31

经验世界-->抽象世界-->再经验(验证抽象)世界就是(人类)智能。 目前看来的“大模型”有一天还需要人类去验证它的抽象结果,那么它就不算(人类)智能。 但是,它可能终究无法(以人)来经验世界(即使摄像头可能类似我们眼,但是也是两种构造的“设备”的经验),所以我觉得,用“人类智能”要求计算机(机器人)可能有点强机所难。 我个人觉得某种程度可以自我验证抽象结果就叫智能。(只能推理能力的花,还算不上,只能是抽象的过程。) PS:智能不是真实世界的里“东西”,我们抽象得来。 我们现在除了人,没有其他具有“智能”的参考对象(外星人👽?)。我们如何抽象所谓“通用”的“智能”? 可以通过与不具备“人类智能”的地球上的动物(植物,非生物)来抽象。那只能抽象出来“人类的智能”,所以我们现在的智能这个概念只是“人类智能”,只不过简略说成智能。

♥ 3

火树银花绿豆沙 2025-10-31

可以公开每期视频的文字稿吗?想做一些笔记 总结 尝试,感谢

♥ 3 ↩ 3

FrankX跑步前进 2025-10-31

101最近太高产了,每天更新一个AI视频,都得排着队看了![打call]

♥ 3

优势在我石头在美方 2025-11-02

前几天突然发现还有一个“101播客”,每集时长一个多小时,你俩什么关系呀?

♥ 3 ↩ 2