精选理由
Allen AI 用研究者投票测了 AI 的科学文献能力，1700 人投了 3900 票，想看看哪个模型更靠谱？这里直接给结果。
Allen AI 构建的 SciArena 基准测试用于评估 AI 模型处理科学文献问题的能力，评判者均为研究人员。该基准将于 7 月 15 日退役，最终数据包括约 1700 名用户投出的约 3900 次投票。结果揭示了模型在科学问答、文献理解等任务上的表现对比。具体排名和用户偏好信息已在推文线程中公布。
原文 · Allen AI (Ai2)
We built SciArena to test how well AI models handl…
We built SciArena to test how well AI models handle scientific literature questions, as judged by researchers.
It's retiring July 15, and the results are in: ~1,700 users cast ~3,900 votes.
Here's what they told us. 🧵 https://t.co/sU1JYfXOhU