上海人工智能實驗室司南OpenCompass團隊與魔搭ModelScope聯合推出的大模型評測平臺CompassArena（大模型競技場）近日迎來了新升級，旨在爲用戶提供更科學、全面的模型評估體驗。自上線以來，該平臺吸引了大量社區用戶參與並貢獻數據，基於這些數據，CompassArena不斷優化，此次升級包括全新Judge Copilot功能和榜單算法的改進，以及新增20多個全新模型。
["智源研究院開源了 JudgeLM 裁判模型，可高效評測各類大模型並輸出評分","JudgeLM 與 GPT-4 相比，成本僅爲 1/120，評判結果一致性達到 90% 以上","JudgeLM 可應用於純文本、多模態等多種評判場景，並輸出評分和闡述理由","JudgeLM 與參考答案的一致性最高超過了 90%，接近人類表現","智源研究院開源了訓練和驗證樣本的數據集，用於深入研究大語言模型裁判"]
代理法官，用於自動評估任務和提供獎勵信號。
加速模型評估和微調的智能評估工具
在線生成裁決，解決糾紛
root-signals
Root Judge是一款強大的中型大語言模型，專為可靠且可定製的LLM系統評估而設計。基於Llama-3.3-70B-Instruct微調，擅長成對偏好判斷和帶來源引用的多輪指令遵循任務。
flowaicom
Flow Judge v0.1 是一款輕量級但功能強大的 38 億參數模型，可在多個領域對大語言模型（LLM）系統進行定製化評估。
MCP as a Judge 是一個行為型 MCP 服務器，作為 AI 編碼助手與 LLM 之間的驗證層，通過強制執行基於證據的研究、代碼質量審查和人工決策介入，確保生成更安全、高質量的代碼。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
