Agent Arena 改用因果追踪五信号评测,弃成对偏好投票
LMArena/Arena.ai 团队推出 Agent Arena 排行榜,提出评测智能体能力的新思路:不再依赖传统的两两成对偏好投票,而是采用因果追踪方法,从真实用户的长时程智能体会话中提取五类信号为模型打分。该方法被认为更能反映模型在真实任务中的表现,挑战了现有主流评测范式。
2026-10-10 ~ 2026-10-10 · 4 条相关
- Agent Arena 用因果追踪替代偏好投票，五信号评测真实智能体 — arena · 2026-10-10
- Agent Arena 弃用偏好投票，用真实任务五信号评测智能体 — arena · 2026-10-10