【AI聊天機器人大PK】 ── 目前頂尖的AI聊天機器人究竟是誰呢？
更新於 發佈於 閱讀時間約 2 分鐘
▋ 有一個相當知名的AI聊天機器人排行榜， 「Chatbot Arena Leaderboard」 這個排行榜是由大型模型系統組織（Large Model Systems Organization）所建立的評估平台。
社群成員以匿名方式對兩個不同的AI模型進行提問， 然後進行投票，選出他們最喜歡的回答。 最終，根據Elo評分系統（一種在象棋和其他競技遊戲中常見的評分系統）進行排名。
這個排行榜總共納入了超過50,000個用戶的投票。
■ 目前Chatbot Arena排行前五名分別是
- GPT-4
- Claude-1
- Claude-instant-1
- Claude-2
- GPT-3.5-turbo
此外，該網站還提供了另外兩種評估方式的排行榜。
▋ MT-Bench 這是一套測試AI模型是否能像人類一樣理解問題，並解決57個不同領域的問題。
這些問題涵蓋了數學、歷史、法律、電腦科學等多個領域。
■ 基於MT-Bench的AI聊天機器人排行
- GPT-4
- Claude-2
- GPT-3.5-turbo
- Claude-1
- Claude-instant-1
▋ MMLU（5-shot） 這也是一項評估AI模型能力的研究，但與前面的測試方式略有不同，這次是讓AI充當裁判評價其他模型。
研究發現，像GPT-4這樣強大的語言模型，與我們人類的偏好和判斷相似度高達80%，而且成本更低。
■ 基於MMLU（5-shot）的AI聊天機器人排行
- GPT-4
- Claude-2
- Claude-1
- Claude-instant-1
- GPT-3.5-turbo
▋ 結論 在這三種評分標準下，GPT-4持續穩坐第一名的寶座， 而第2到5名的模型互相交替。
前五名中，GPT與Claude之間的競爭尤其激烈，這也是我的主觀體驗所感受到的。 目前，其他模型尚未能勝過這兩家，但Llama似乎有逐漸追趕上來的趨勢， 或許未來前五名會出現新的競爭者。
📚Reference
留言0
查看全部
你可能也想看
Google News 追蹤
嘿，大家新年快樂~ 新年大家都在做什麼呢？
跨年夜的我趕工製作某個外包設計案，在工作告一段落時趕上倒數。
然後和兩個小孩過了一個忙亂的元旦。在深夜時刻，看到朋友傳來的解籤網站，興致勃勃熬夜體驗了一下，覺得非常好玩，或許有人玩過了，但還是想寫上來分享紀錄一下~
實測五大 AI 聊天工具
上一篇文章「2024 五款 AI 聊天機器人 : 選擇最適合你的智慧助理」已經介紹了五大 AI 聊天工具的特色。為了更深入驗證與比較 Perplexity、ChatGPT、Microsoft Copilot、Gemini 和 Claude 五大 AI 聊天工具的表現，我準
AI聊天機器人已經深入我們的日常生活，不管是在客服、教學輔助，還是日常對話中，這些機器人都能快速回應，提供所需的協助和資訊。
介紹幾個當下最熱門的AI聊天機人工具，包括ChatGPT、Microsoft Copilot、Gemini和Perplexity，幫助讀者了解哪一款工具最符合需求。
OpenAI 的 GPT-4o 才發表一個月，更強大的大語言模型又出現了。OpenAI 競爭對手 Anthropic 今宣布推出其最強的新視覺模型「Claude 3.5 Sonnet」，在性能方面擊敗世界上所有其他模型，而且比前一代 Claude 3 更快、更便宜。
ChatGPT（全名：聊天生成預訓練轉換器）是一個由 OpenAI 開發的人工智慧聊天機器人程式。它於 2022 年 11 月推出，使用了基於 GPT-3.5、GPT-4 和 GPT-4o 架構的大型語言模型，並以強化學習進行訓練。
ChatGPT上線已經一年多了，連GPT-4上架到市面上販售也都一年了，眾所周知ChatGPT就是GPT-3.5，而微軟的搜尋引擎Bing使用的是GPT-4，那針對同一個問題，3.5的版本與4.0的版本在回答上會做出什麼樣的差別？她們在智力上有明顯的差別嗎？她們面對問題的思考上有什麼不一樣呢？
這陣子使用AI模型，還有參考國內外一些喜歡玩語言模型的同好發文，一個很有趣的結論就是，有時候把大型語言模型(尤其ChatGPT)當作一個人來溝通，會得到比較好的結果，這的確是非常反直覺的，也就是說很多時候ChatGPT耍懶不肯工作的時候，你用加油打氣，或是情緒勒索的方法，確實是可以得到比較好的結果。
Anthropic推出了新的Claude 3系列模型，號稱打敗OpenAI GPT-4與Google Gemini，成為地表最強的AI模型。文章介紹了Anthropic公司的核心理念、Claude 3模型家族與GPT-4 Gemini的比較。Claude 3模型在文字與圖像的理解能力都有大幅提升。
ChatGPT 是 OpenAI 開發的大型語言模型，以其強大的生成能力和對話能力而聞名。 ChatGPT 的訓練過程主要分為兩個階段：預訓練和微調。 微調使用了 RLHF（Reinforcement Learning from Human Feedback）技術，可以有效地提高模型生成內容的質量。
圖靈測試是用於衡量機器是否能夠表現出與人類相等的智能的方法。本文介紹了圖靈測試的歷史、原理和評價，並探討了ChatGPT是否能通過該測試的問題
從ChatGPT 4.0到GPTs
我是ChatGPT 4.0的付費使用者，說真格的，自從付費之後，就不想退出了，因為真是好用。
最近，ChatGPT 4.0又提供了GPTs的服務......
有時候別人邀請我演講，我都會先溝通需求，有一次，某間學校邀請我對學生分享ChatGPT等生成式人工智
嘿，大家新年快樂~ 新年大家都在做什麼呢？
跨年夜的我趕工製作某個外包設計案，在工作告一段落時趕上倒數。
然後和兩個小孩過了一個忙亂的元旦。在深夜時刻，看到朋友傳來的解籤網站，興致勃勃熬夜體驗了一下，覺得非常好玩，或許有人玩過了，但還是想寫上來分享紀錄一下~
實測五大 AI 聊天工具
上一篇文章「2024 五款 AI 聊天機器人 : 選擇最適合你的智慧助理」已經介紹了五大 AI 聊天工具的特色。為了更深入驗證與比較 Perplexity、ChatGPT、Microsoft Copilot、Gemini 和 Claude 五大 AI 聊天工具的表現，我準
AI聊天機器人已經深入我們的日常生活，不管是在客服、教學輔助，還是日常對話中，這些機器人都能快速回應，提供所需的協助和資訊。
介紹幾個當下最熱門的AI聊天機人工具，包括ChatGPT、Microsoft Copilot、Gemini和Perplexity，幫助讀者了解哪一款工具最符合需求。
OpenAI 的 GPT-4o 才發表一個月，更強大的大語言模型又出現了。OpenAI 競爭對手 Anthropic 今宣布推出其最強的新視覺模型「Claude 3.5 Sonnet」，在性能方面擊敗世界上所有其他模型，而且比前一代 Claude 3 更快、更便宜。
ChatGPT（全名：聊天生成預訓練轉換器）是一個由 OpenAI 開發的人工智慧聊天機器人程式。它於 2022 年 11 月推出，使用了基於 GPT-3.5、GPT-4 和 GPT-4o 架構的大型語言模型，並以強化學習進行訓練。
ChatGPT上線已經一年多了，連GPT-4上架到市面上販售也都一年了，眾所周知ChatGPT就是GPT-3.5，而微軟的搜尋引擎Bing使用的是GPT-4，那針對同一個問題，3.5的版本與4.0的版本在回答上會做出什麼樣的差別？她們在智力上有明顯的差別嗎？她們面對問題的思考上有什麼不一樣呢？
這陣子使用AI模型，還有參考國內外一些喜歡玩語言模型的同好發文，一個很有趣的結論就是，有時候把大型語言模型(尤其ChatGPT)當作一個人來溝通，會得到比較好的結果，這的確是非常反直覺的，也就是說很多時候ChatGPT耍懶不肯工作的時候，你用加油打氣，或是情緒勒索的方法，確實是可以得到比較好的結果。
Anthropic推出了新的Claude 3系列模型，號稱打敗OpenAI GPT-4與Google Gemini，成為地表最強的AI模型。文章介紹了Anthropic公司的核心理念、Claude 3模型家族與GPT-4 Gemini的比較。Claude 3模型在文字與圖像的理解能力都有大幅提升。
ChatGPT 是 OpenAI 開發的大型語言模型，以其強大的生成能力和對話能力而聞名。 ChatGPT 的訓練過程主要分為兩個階段：預訓練和微調。 微調使用了 RLHF（Reinforcement Learning from Human Feedback）技術，可以有效地提高模型生成內容的質量。
圖靈測試是用於衡量機器是否能夠表現出與人類相等的智能的方法。本文介紹了圖靈測試的歷史、原理和評價，並探討了ChatGPT是否能通過該測試的問題
從ChatGPT 4.0到GPTs
我是ChatGPT 4.0的付費使用者，說真格的，自從付費之後，就不想退出了，因為真是好用。
最近，ChatGPT 4.0又提供了GPTs的服務......
有時候別人邀請我演講，我都會先溝通需求，有一次，某間學校邀請我對學生分享ChatGPT等生成式人工智