AI 评测与排行榜，分别告诉你什么
分清评测基准、一次评测运行与排行榜，用它们回答各自适合的问题。
OpenCompass Hub
Arena-Hard-Auto
Arena-Hard-Auto 是一个用于评估 LLM 的基准，自动甄选 500 条高难度开放式提示，从模型区分度、人类偏好一致性与提示质量三维度进行严苛评测。依托 BenchBuilder 管道、主题建模与 LLM 裁判，实现众包数据→筛选→评分的全自动闭环。
评测信息与证据
- 来源
- OpenCompass Hub
- 发布者
- University of California, Berkeley
- 评测发布日期
- 2024-04-19
- 采集日期
- 2026-08-18
- 模态
- 未收录
本站保留来源报告的结果，不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期；不同运行条件不能直接合并为统一排名。
原始资料
报告成绩 0
本来源记录尚未收录数值成绩。这不表示模型得分为零，也不表示该评测没有公开成绩；请查阅原始资料。