GitHub · 去对齐工具与仓库·· 2 天前精选AI 评分65
llm-radar 开源:把 LMArena、Artificial Analysis、llm-stats、LiveBench 四个评测源按 6 大类 17 子类并排对比
Lavie-purple/llm-radar
来源与原文
GitHub · 去对齐工具与仓库
发布时间:(北京时间)
阅读原始来源 · github.com ↗完整链接与内容说明
https://github.com/Lavie-purple/llm-radar
本站目前仅有 AI 导读与摘要,未展示原文正文;技术细节、代码和完整结论请查看原始来源。
AI 导读
Lavie-purple 发布 llm-radar 开源项目,将 LMArena、Artificial Analysis、llm-stats、LiveBench 四个评测源按 6 大类 17 子类并排呈现,不合成总分,只展示源内名次与跨源分歧度。页面零依赖、双击 index.html 即可打开,数据管道仅用 Python 标准库;当前快照收录 195 个模型、矩阵 124×17 共 2108 格,填充率 18.1%。项目还内置 selftest.js(236 条断言)、visual_check.js(148 项)、falsify.py(17 条证伪用例)与 check_deploy.js 四层守卫,并记录了 LiveBench 2.0 改版适配、抓取体检、行尾差异等实测踩坑。
推荐理由
作者解释了为何不合成跨源总分、分歧度如何计算,以及四层自检守卫的实测踩坑,方法可直接迁移到类似数据管道。
来源:GitHub · 去对齐工具与仓库 · github.com