Die @lmsysorg hat kürzlich zwei neue Arenen in ihrer Chatbot Arena Plattform eingeführt: die Mathe-Arena und die Instruktionsfolgen-Arena (Instruction-Following, kurz IF). Diese neuen Arenen stellen die logischen Fähigkeiten und realen Aufgaben der Modelle auf die Probe. Die Einführung dieser Arenen markiert einen wichtigen Meilenstein in der Entwicklung und Bewertung von Chatbots.
Die beiden neuen Arenen haben bereits eine beachtliche Beteiligung verzeichnet:
- 500.000 Stimmen für Instruktionsfolgen (35 %)
- 180.000 Stimmen für Mathematik (13 %)
Zu den herausragenden Ergebnissen gehört, dass Claude 3.5 Sonnet nun die Spitzenposition in der Mathe-Arena und eine geteilte Spitzenposition in der IF-Arena einnimmt. Der DeepSeek-coder ist das führende offene Modell. Frühere GPT-4-Modelle haben sich signifikant gegenüber Llama-3 und Gemma-2 verbessert.
Claude 3.5 Sonnet hat sich als führendes Modell in beiden neuen Arenen etabliert. In der Mathe-Arena zeigt Claude 3.5 Sonnet herausragende Leistungen in mathematischen Aufgaben und logischen Herausforderungen. In der IF-Arena, die die Fähigkeit der Modelle testet, komplexe Anweisungen zu befolgen, hat Claude 3.5 Sonnet ebenfalls die Spitzenposition erreicht.
Ein weiteres bemerkenswertes Ergebnis ist die Leistung des DeepSeek-coders. Dieses Modell hat sich als das beste offene Modell in der Mathe-Arena etabliert und zeigt starke Leistungen in den Bereichen Kodierung und Mathematik. Es wird als vielversprechendes Modell für zukünftige Entwicklungen angesehen.
Frühere Versionen von GPT-4 haben signifikante Verbesserungen im Vergleich zu anderen Modellen wie Llama-3 und Gemma-2 gezeigt. Diese Verbesserungen unterstreichen die fortschreitende Entwicklung und Optimierung von GPT-4 und seine Fähigkeit, komplexe Aufgaben zu lösen.
Die Einführung der Mathe- und IF-Arenen ist ein bedeutender Schritt in der Bewertung und Entwicklung von Chatbots. Diese Arenen bieten eine Plattform, um die logischen Fähigkeiten und die Fähigkeit der Modelle, realweltliche Aufgaben zu lösen, zu testen. Die Ergebnisse dieser Tests bieten wertvolle Einblicke in die Stärken und Schwächen der verschiedenen Modelle und helfen Entwicklern, ihre Modelle weiter zu verbessern.
Die neuen Mathe- und Instruktionsfolgen-Arenen von @lmsysorg bieten eine spannende Möglichkeit, die Fähigkeiten von Chatbots zu testen und zu verbessern. Die beeindruckenden Ergebnisse von Claude 3.5 Sonnet und DeepSeek-coder zeigen das Potenzial dieser neuen Plattformen. Mit kontinuierlichen Verbesserungen und Entwicklungen ist zu erwarten, dass diese Arenen weiterhin wertvolle Erkenntnisse liefern und die Entwicklung von Chatbots vorantreiben werden.
- https://chat.lmsys.org/
- https://lmsys.org/blog/2024-06-27-multimodal/
- https://twitter.com/_lewtun/status/1774149336890253386
- https://twitter.com/lmsysorg/status/1804967083358523559
- https://github.com/lm-sys/FastChat/blob/main/docs/arena.md
- https://lmsys.org/blog/2023-05-25-leaderboard/
- https://www.linkedin.com/posts/zachgemignani_the-lmsys-chatbot-arena-is-a-place-where-activity-7193281233856983040-N6Hf