斯坦福发布 最新 GPT 模型排行榜 AlpacaEval【AI工具免费使用】

📌提炼

  • GPT-4 登顶商用模型
  • 微软 WizardLM 登顶开源模型

❓什么是 AlpacaEval

  • AlpacaEva 是来自斯坦福的团队发布的一款 大语言模型 自动评测系统,
  • 它是一种基于 LLM 的全自动评估基准,且更加快速、廉价和可靠。
  • 同时包含了应的 AlpacaEval Leaderboard(大语言模型排行榜)。
  • AlpacaEval 是一个模拟沙盒,能够快速、廉价地对从人类反馈中学习的方法进行实验。它用API LLMs模拟人类反馈,提供一个经过验证的评估协议,并提供一套参考方法的实现。
  • 虽然仅基于 GPT-4 进行自动评估,但与基于 1.8 万条真实人类标注排序结果之间高达 0.94 的皮尔逊相关系数,证明了 AlpacaEval 榜单 排名的高可靠性

🔎AlpacaEval 排行榜 包含的 测试 模型 和数据

选择了目前在 商用领域 和 开源社区 很火 的模型 ,包括但不限于以下模型

  • GPT-4 (open ai)
  • Claude (anthropic)
  • PaLM 2 (google)
  • WizardLM (microsoft)

甚至还开设了一个 「准中文」 排行榜

💯在不同的测试集上各个大模型的能力评分

🚀AlpacaEval Leaderboard 大模型的能力综合评分

📌总结:

  • GPT-4 综合评分 稳居第一,胜率超过了95%
  • 胜率都在 80% 以上的 Claude 和 ChatGPT 分别排名第二和第三,其中 Claude 以不到 3% 的优势超越 ChatGPT-3.5。
  • 值得关注的是,获得第四名的是一位排位赛新人——微软华人团队发布的 WizardLM。WizardLM 以仅 130 亿的参数版本排名第一,击败了 650 亿参数量的 Guanaco。

💼 普遍国内白领 如何快速应用 大模型

对于国内的很多办公白领来说,使用 GPT 4服务的难度有些大,

  • 需要特定的上网服务 和 国外邮箱
  • 国外的信用卡
  • 即使注册 成功了还会有因为ip变动被封号的风险

在这里给大家推荐一个AI工具

  • 可直接使用
  • 用户使用体验良好
  • 接口稳定

👑 TomChat(https://www.tomchat.fun)

官网地址:https://www.tomchat.fun

🤖 支持gpt4 / gpt-3.5 / claude /code-llm

🎨 支持 AI绘画

🆓 每天十次免费使用机会

🪄 无需魔法