Category 在 AI 评测语境中通常指模型排行榜下的分类维度，例如 LMArena（大模型竞技场）按文本、编程、视觉、写作等任务划分的类别榜单。它是用户在众多模型中做横向比较时的入口结构，也反映了评测平台对'能力分类'这一问题的理解方式。随着模型能力日趋多元，单一的通用排名逐渐让位于更细粒度的类别榜单，Category 的划分合理性也因此成为讨论点。
LMArena 的 Category 榜单近期变化
LMArena 对其排行榜总览页面进行了改版，将各类 Category 的排名做了重新组织，便于用户按任务类别查看模型表现。这次调整的背景是：随着参与对比的模型数量增加，扁平化的单一榜单已难以承载不同场景下的需求。相关动态见 Arena 推出改版后的排行榜总览页面。
类别化评测也引出了方法论层面的争议：有研究指出语言模型在信息保留上存在下限，并讨论了'神经塌陷'现象被禁止的条件下模型表征的边界问题，这类工作提示类别排名背后的能力度量并不像表面那样直观，参见 神经塌陷被禁止：语言模型中的信息下限。
当前焦点与观察点
围绕 Category 的讨论目前集中在三个方向。其一是划分粒度：类别太粗会让不同任务的表现互相稀释，太细则样本量不足、排名波动大。其二是数据来源：基于用户投票的类别榜单（如竞技场模式）与基于固定基准的类别分数，结论有时并不一致。其三是与通用智能定义的关系——社区中持续有声音认为通用智能的本质不能简单归结为若干类别分数的叠加，这一观点可参考 The essence of General Intelligence is not just so…。
对普通用户而言，Category 榜单仍是快速选型的实用工具；但对研究者来说，它更应被视作一种参考信号而非绝对结论。建议关注评测平台后续是否会引入更透明的类别定义说明与置信区间展示，这将是判断榜单可靠性的关键观察点。