Hugging Face 推出 Judge Arena 平台评测 LLM 评估能力

Hugging Face 推出 Judge Arena 平台，通过众包投票对比 18 款主流模型作为评估者的表现。平台包含 GPT-4o、Claude 3.5 Sonnet、Llama 3.1 和 Qwen 2.5 等模型，结果显示 GPT-4 Turbo 暂居榜首，Qwen 2.5 7B 和 Llama 3.1 8B 等小模型表现优异。