LMArena 推出 Agent Arena Index:290 万会话重构智能体排行榜
arena · x · 2026-11-19
LMArena(arena)发布全新 Agent Arena Index, replacing 原 Agent 排行榜。核心变化与截图中的方法论细节:
- 基于 290 万+ 真实用户会话,提供跨所有智能体任务类型的综合评分。
- 新增多个分领域指数:Agentic Work、Agentic Coding、Agentic Chat、Task Outcome、Steering、Tool Use;Alignment Index 保持不变并行运行。
- 方法论:沿用原 Arena 的净改进分 τm = E[Y|M=m] − E[Y],Y 为 steerability、praise/complaint 等信号,用自归一化逆概率加权估计;所有信号做 z-score 标准化。
- 新分数是旧分的线性变换:τ̂ = 1000·τ̂m + Δ,即 1 个指数点 = 信号的 1/1000 个标准差。
- 引入「锚点」Δ:每次发布时重新计算,使两期榜单共同收录且会话量足够大的模型平均分保持不变,解决「新强模型入场会压低所有旧模型分数」的可比性问题;Δ 是全体统一的常数偏移,不影响排名。2025 年 7 月的平均分被初始化为约 1000。
「模型」频道最新
- 实测:Mythos 5.2 一次找出 7 个其他模型漏掉的大漏洞 — BenBajarin · 2026-11-19
- Xlue 团队欢迎第三方独立评测:沙盒环境验证成绩真实 — XiongChenyan · 2026-11-19
- Ultrafast 模式上手体验:数学证明很强,写代码不推荐 — gnukeith · 2026-11-19
- Google AI Studio 代码中现 Gemini 4 Neon 与神秘 Cobalt 字样 — testingcatalog · 2026-11-19
- 牛津论文:后训练让 LLM 世界观更灰暗,对话会滑向灵性极乐吸引子 — twiecki · 2026-11-19
- Artificial Analysis 全站支持按推理强度筛选模型图表 — ArtificialAnlys · 2026-11-19