LMArena转型独立模型行为评估

LMArena正转型为独立第三方模型行为评估方，主要检验模型行为合规性，并重点关注长程对话中的对齐缺陷。随着工作流转向agentic，模型评估的重要性进一步上升。 Felicis访谈中，mlangelopoulos称，模型尚未被正确训练为在长程对话中持续保持对齐；这一说法揭示了当前评估关注的核心问题。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。