西风 发自 凹非寺
量子位 | 公众号 QbitAI
“大模型排位赛”权威榜单Chatbot Arena刷新：
谷歌Bard超越GPT-4，排名位居第二，仅次于GPT-4 Turbo。
然鹅，众多网友对此却表示“不服”、“不公平”。
原来，谷歌AI掌门人Jeff Dean透露，Bard性能大幅提升，是因为搭载了新版大模型Gemini Pro-scale。
这也就意味着，打“排位赛”的Bard具备了联网功能。
网友的质疑正是围绕着这一点展开：
在同一个排行榜上混合在线和离线大模型，是极易引起误解的。
Hugging Face的“首席羊驼官”Omar Sanseviero也表示：
既然如此…我也可以向lmsys提交具有搜索功能的Mixtral吗？
面对种种质疑声，Imsys官方做出了回应，其中指出：
Arena排行榜是实时的，大家如有疑问，可在Arena中直接比较模型并投票；
投票数据公开透明，还会即将发布关于用户提示多样性和投票质量的研究以及相应的数据集；
对于网友们最关心的被Bard超越的GPT-4是不联网版本的问题，Imsys表示“如果实时数据的接入能够提升用户体验，排行榜将予以体现”。
并且直接@了OpenAI和Bing以及微软高管Mikhail Parakhin，表示非常乐意在竞技场中加入GPT-4联网版或Bing Copilot。
最新消息是，OpenAI的最新模型gpt-4-0125-preview现已入驻竞技场，等待用户参与投票。
Bard超越GPT-4是怎么回事？
Chatbot Arena是一个大模型权威榜单，由UC伯克利研究人员主导的Imsys（Large Model Systems Organization）组织创建。
该排行榜采用匿名1V1battle的投票规则，基于Elo评级系统排名。
具体来说，投票页面如下，两个模型Model A和B均匿名，用户在提出多个问题后对模型的回答打分，总共有四个选项：A更好、B更好、A和B一样好，A和B都不好。
值得一提的是，如果在问答过程中，模型身份泄露，那么该投票作废。
根据当前榜单，竞技场中有56个大模型：
此前GPT-4凭借“遥遥领先”的评分，长期霸榜，然而新版Bard发布后，直接超越GPT-4的两个版本冲到了第二名，和GPT-4 Turbo只差34分：
更详细一点，在所有没有平局的Model A对B的对决中，Model A获胜的比例如下：
还有每一对模型组合的单挑次数（无平局）：
此外，Chatbot Arena排行榜还使用自助法对Elo评分估计进行1000次随机抽样，从而评估置信区间等。
单个模型相对于其他所有模型的平均胜率如下：
不过值得注意的是，Arena排行榜是实时的，Bard目前虽然排名第二，但总共只有3000多票。
相较而言，GPT-4 Turbo的票数已经达到了30000+，被超越的两个版本的票数也都是Bard的数倍。
而现在GPT-4最新版本已入场（虽然还没有在排行榜上更新），后续榜单还要再坐等一波～
参考链接：https://twitter.com/lmsysorg/status/1752035632489300239
相关文章
