斯坦福发布 最新 GPT 模型排行榜 AlpacaEval【AI工具免费使用】
【摘要】 📌提炼GPT-4 登顶商用模型微软 WizardLM 登顶开源模型 ❓什么是 AlpacaEvalAlpacaEva 是来自斯坦福的团队发布的一款 大语言模型 自动评测系统，它是一种基于 LLM 的全自动评估基准，且更加快速、廉价和可靠。同时包含了应的 AlpacaEval Leaderboard（大语言模型排行榜）。AlpacaEval 是一个模拟沙盒，能够快速、廉价地对从人类反馈中学...
📌提炼
- GPT-4 登顶商用模型
- 微软 WizardLM 登顶开源模型
❓什么是 AlpacaEval
- AlpacaEva 是来自斯坦福的团队发布的一款 大语言模型 自动评测系统，
- 它是一种基于 LLM 的全自动评估基准，且更加快速、廉价和可靠。
- 同时包含了应的 AlpacaEval Leaderboard（大语言模型排行榜）。
- AlpacaEval 是一个模拟沙盒，能够快速、廉价地对从人类反馈中学习的方法进行实验。它用API LLMs模拟人类反馈，提供一个经过验证的评估协议，并提供一套参考方法的实现。
- 虽然仅基于 GPT-4 进行自动评估，但与基于 1.8 万条真实人类标注排序结果之间高达 0.94 的皮尔逊相关系数，证明了 AlpacaEval 榜单 排名的高可靠性。
🔎AlpacaEval 排行榜 包含的 测试 模型 和数据
选择了目前在 商用领域 和 开源社区 很火 的模型 ，包括但不限于以下模型
- GPT-4 (open ai)
- Claude (anthropic)
- PaLM 2 (google)
- WizardLM (microsoft)
甚至还开设了一个 「准中文」 排行榜
💯在不同的测试集上各个大模型的能力评分
🚀AlpacaEval Leaderboard 大模型的能力综合评分
📌总结:
- GPT-4 综合评分 稳居第一，胜率超过了95%
- 胜率都在 80% 以上的 Claude 和 ChatGPT 分别排名第二和第三，其中 Claude 以不到 3% 的优势超越 ChatGPT-3.5。
- 值得关注的是，获得第四名的是一位排位赛新人——微软华人团队发布的 WizardLM。WizardLM 以仅 130 亿的参数版本排名第一，击败了 650 亿参数量的 Guanaco。
💼 普遍国内白领 如何快速应用 大模型
对于国内的很多办公白领来说，使用 GPT 4服务的难度有些大，
- 需要特定的上网服务 和 国外邮箱
- 国外的信用卡
- 即使注册 成功了还会有因为ip变动被封号的风险
在这里给大家推荐一个AI工具
- 可直接使用
- 用户使用体验良好
- 接口稳定
👑 TomChat（https://www.tomchat.fun）
🤖 支持gpt4 / gpt-3.5 / claude /code-llm
🎨 支持 AI绘画
🆓 每天十次免费使用机会
🪄 无需魔法
🤖️在这个AI爆发的元年🎨
🤖️AI不能取代我们 不会用AI的人才会被取代🎨
【版权声明】本文为华为云社区用户原创内容，转载时必须标注文章的来源（华为云社区）、文章链接、文章作者等基本信息， 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论（0）