📌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

<center>🤖️在这个 AI 爆发的元年🎨</center>

<center>🤖️AI 不能取代我们 不会用 AI 的人才会被取代🎨</center>