Arena

Arena 的前身是 LMArena，最早以匿名对战加用户投票的方式给大模型排名，如今把评测扩展到智能体的真实工作会话。这个专题整理它的融资与商业化进展、能力榜单的方法变化，以及新推出的对齐指数如何衡量模型越界、误述和假装完成等行为，帮读者判断第三方评测能信到哪一步。