研究指责 LM Arena 偏袒巨头刷榜：私测只挑最高分公布
来自 Cohere、斯坦福等机构的研究指控知名评测平台 LM Arena 偏袒巨头，允许 Meta、OpenAI 等私下测试几十个变体且只公开最高分，甚至给予更高的对战采样率。LM Arena 否认不公指责，但表示将改进对战采样算法。
Chatbot Arena
GPT-4o 最新版重夺 LMSYS 榜首：超越 Gemini，代码能力大涨 30 分
LMSYS 宣布 OpenAI 最新版 GPT-4o（20240808）以 1314 分重登 Chatbot Arena 榜首，反超 Google Gemini-1.5-Pro-Exp。新版在代码、高难度提示和指令遵循等子榜均拿下第一，开发者可通过 API 的 chatgpt-4o-latest 体验。