模型能力评测这类AI工具,用AI做模型微调、LoRA训练与推理部署,这让算法与ML工程师在科研与教学的模型实验时省下不少功夫;大模型统一接入、评测与横向对比则在模型评测、对比与竞技里更常见,模型竞技场、算力调度也能借上力。
面向多模态大模型的公开评测基准与榜单,用约 3000 道覆盖感知与推理的选择题衡量视觉语言模型的图文理解能力,并采用循环评测降低选项顺序带来的噪声。
让模型匿名对战并由用户投票的大模型评测竞技场,覆盖文本、图像、视频与 Agent 任务,产出带置信区间的公开排行榜。