---
title: "LMArena (Chatbot Arena) — 大模型竞技场"
source: "https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA"
wiki: "systems-analysis.info/int"
article: "LMArena_(Chatbot_Arena)_—_大模型竞技场"
language: "zh"
categories:
  - "Category:Chinese"
  - "Category:Large language models"
  - "Category:LLM benchmarks"
  - "Category:Machine learning"
revision_id: 3720
wiki_created_at: 2026-09-06T23:24:58Z
wiki_modified_at: 2026-09-06T23:24:58Z
downloaded_at: 2026-09-07T22:58:33Z
---

# LMArena (Chatbot Arena) — 大模型竞技场

**LMArena**（*Large Model Arena*，前身为**Chatbot Arena**）是一个开放的网络平台，通过众包方式，根据人类偏好对大型模型（LLM 和多模态模型）进行评估和比较，其特色是匿名的配对比较和公开的排行榜<sup>[\[1\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-chiang2024-1)[\[2\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-hello_2025-2)</sup>。

该平台源于一项名为 **LMSYS** 的研究计划（由加州大学伯克利分校/卡内基梅隆大学/加州大学圣地亚哥分校联合发起）<a href="https://lmsys.org/" class="external autonumber" rel="nofollow">[41]</a>，于2024年9月“毕业”并推出了独立网站 <a href="https://lmarena.ai/" class="external text" rel="nofollow">lmarena.ai</a><sup>[\[3\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-new_site_2024-3)</sup>。2025年5月，它正式注册为公司，并获得了由 a16z、UC Investments 等投资的 **1亿美元** 种子轮融资，用于发展其开放评估基础设施<sup>[\[4\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-seed_prn-4)[\[5\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-tc_seed-5)</sup>。

## 历史

该平台于2023年5月以 Chatbot Arena 的名称启动。2025年春季，平台正式更名为 LMArena (Large Model Arena)，并转型为一个独立组织。

- **2023年5月3日** — Chatbot Arena 启动，发布了第一个基于匿名“对战”的排行榜<sup>[\[6\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-lmsys_launch_2023-6)</sup>。
- **2023年** — 发布数据集：33K 配对对话（7月）和 **LMSYS-Chat-1M**（9月，100万个真实对话）<sup>[\[7\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-7)[\[8\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-8)</sup>。
- **2024年9月20日** — “毕业”：迁移至独立域名 **lmarena.ai**<sup>[\[3\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-new_site_2024-3)</sup>。
- **2024–2025年** — 扩展评估方法和竞技场类型（Arena-Hard, Style/Sentiment Control, WebDev/RepoChat 等）<sup>[\[9\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-arena_hard-9)[\[10\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-sentiment_control-10)[\[11\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-webdev_arena-11)[\[12\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-repochat_arena-12)</sup>。
- **2025年4月27日** — 累计获得超过 **300万** 张投票，评估了超过 **400** 个公开模型和 **300** 多个非公开预览模型<sup>[\[13\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-3m_2025-13)</sup>。
- **2025年5月21日** — LMArena 宣布成立公司并获得1亿美元种子轮融资<sup>[\[4\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-seed_prn-4)[\[5\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-tc_seed-5)</sup>。
- **2025年7月31日** — 发布包含 **14万** 条近期来自 Text Arena 对话的开放数据集<sup>[\[14\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-opendata_2025-14)</sup>。
- **2025年8月26–27日** — 以代号“nano-banana”匿名测试 **Gemini 2.5 Flash Image**；该模型随后在 Text-to-Image/Image Edit 排行榜上登顶<sup>[\[15\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-nanobanana_blog-15)[\[16\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-tti_page-16)</sup>。
- **2025年8月28日** — 将 **Microsoft MAI-1-preview** 添加到文本排行榜（参见 *Changelog*）<sup>[\[17\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-changelog-17)</sup>。
- **现状**：*Text Arena* 标签页显示已有 **4,075,191** 张投票（更新于 **2025年9月8日**）<sup>[\[18\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-text_stats-18)</sup>。

## 评估如何运作

用户输入一个提示词，会从两个随机选择的匿名模型（“A”和“B”）获得两个回答，然后用户投票选出更好的一个（或判定为平局/两者都不好）。排名基于**布拉德利-特里模型**（一种处理配对偏好的逻辑回归模型），该模型在直观上类似于埃洛等级分制度<sup>[\[1\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-chiang2024-1)</sup>。平台公布 **Arena Score** 和置信区间，并采用样本重加权（re-weighting）校正，以在不均匀采样时保持评估的无偏性<sup>[\[19\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-policy-19)</sup>。

**透明度与开放性。** 评估和排名的原始流程在 **FastChat** 代码库中是开源的<sup>[\[20\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-20)</sup>；平台会定期发布部分原始数据用于验证和研究（例如，2025年7月发布了14万条对话数据）<sup>[\[19\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-policy-19)[\[14\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-opendata_2025-14)</sup>。根据 *FAQ* 和主页上的警告，用户提示词可能会被透露给模型提供商，并部分公开用于研究目的——因此不应提交敏感数据<sup>[\[21\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-21)[\[22\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-22)</sup>。

**选择和抽样规则。** 排行榜收录公开发布的模型（开放权重/公共 API/公共服务）。为稳定评分，通常需要≥**1000**张投票；至少**20%**的对战仅在公开模型之间进行；模型的抽样概率随其评分和不确定性的增加而提高，而重加权回归确保了最终评分的无偏性<sup>[\[19\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-policy-19)</sup>。

**自动指标和风格控制。** 为加速评估并减少“风格”偏好的影响，平台采用了辅助方法：*MT-Bench* (LLM-as-a-judge)<sup>[\[23\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-23)</sup>、*Arena-Hard*（自动生成复杂问题）<sup>[\[9\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-arena_hard-9)</sup>，以及**风格/情感控制**（Style/Sentiment Control，建模并“修正”语气/情感对偏好的影响）<sup>[\[10\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-sentiment_control-10)</sup>。对于 *Arena-Hard-Auto*，据报道，在受控条件下，其结果与人类“真实”投票的一致性非常高（高达**约98.6%**）<sup>[\[24\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-24)</sup>。

## 竞技场和评估领域

该平台已发展为一系列针对不同任务类型的“竞技场”：

- **Text Arena** — 通用对话/任务，主排行榜<sup>[\[18\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-text_stats-18)</sup>。
- **Vision Arena** — “文本→图像/视频/图像分析”的多模态模型<sup>[\[25\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-25)</sup>。
- **Text-to-Image** 和 **Image Edit** — 图像生成和编辑（包括 *nano-banana* 案例）<sup>[\[16\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-tti_page-16)[\[15\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-nanobanana_blog-15)</sup>。
- **Text-/Image-to-Video** — 视频生成<sup>[\[26\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-26)</sup>。
- **WebDev Arena** — 根据描述构建网络应用<sup>[\[11\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-webdev_arena-11)</sup>。
- **RepoChat Arena** — 围绕代码/代码库的 AI 软件工程任务<sup>[\[12\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-repochat_arena-12)</sup>。
- **Search Arena** — 集成了网络搜索功能的模型；最初于2025年4月启动（旧版），后迁移至主站，并附有数据集和相关出版物<sup>[\[27\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-27)[\[28\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-28)[\[29\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-29)</sup>。
- **BiomedArena.AI** — 针对生物医学任务的领域特定评估（与 DataTecnica 合作）<sup>[\[30\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-30)</sup>。

## 应用与影响

- **行业展示窗口。** 各大供应商（OpenAI, Anthropic, Google 等）定期在 LMArena 上测试和展示其模型；行业媒体将该平台描述为一个重要的参考基准<sup>[\[5\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-tc_seed-5)[\[31\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-31)</sup>。在 NAACL-2025 的一篇行业论文中，Chatbot Arena 的埃洛评分被誉为“**行业黄金标准**”（**gold industry-standard**）<sup>[\[32\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-32)</sup>。
- **发布前测试。** 其政策允许对“未发布”模型进行匿名预览，并在发布后向社区通报并公布公开评估结果；为稳定评分，至少需要约1000张投票<sup>[\[19\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-policy-19)</sup>。
- **知名事件。** 2025年春季，关于匿名模型 *Llama-4 Maverick-03-26-Experimental* 的讨论（围绕其与公开发布版本的比较引发了争议）吸引了媒体的广泛关注，并促使平台更新了规则和沟通方式<sup>[\[33\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-33)[\[34\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-34)</sup>。2025年8月，“nano-banana”被揭晓为 **Gemini 2.5 Flash Image**，并在视觉竞技场中占据了领先地位<sup>[\[15\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-nanobanana_blog-15)[\[16\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-tti_page-16)</sup>。

## 局限性与批评

尽管该平台规模庞大且广受欢迎，但其方法也存在局限性：

- **主观性和风格效应。** 投票偏好取决于回答的语气和风格；团队正在引入**风格/情感控制**（Style/Sentiment Control）以解耦“风格”与“内容”<sup>[\[10\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-sentiment_control-10)</sup>。
- **受众不具代表性。** 核心活跃用户是技术爱好者和开发者；为适应特定领域场景，平台创建了专门的竞技场（Search, WebDev, Biomed 等）<sup>[\[35\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-35)</sup>。
- **易受操纵和偏见影响。** 2025年的研究表明，在没有严格防护措施的情况下，存在通过数百至数千张投票进行“刷票”的策略；但研究人员与 LMArena 的合作促使平台引入了保护措施（验证码/登录/机器人防护/异常检测），从而增加了“攻击成本”<sup>[\[36\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-36)[\[37\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-37)[\[38\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-38)</sup>。
- **方法论上的批评。** 论文 *The Leaderboard Illusion*（2025年4月）指出了可能扭曲竞争环境的系统性和制度性因素；LMArena 对此发表了详细回应，并维护一个公开的方法论 *changelog*<sup>[\[39\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-39)[\[40\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-40)[\[17\]](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_note-changelog-17)</sup>。

## 外部链接

- <a href="https://lmarena.ai/" class="external text" rel="nofollow">LMArena 官方网站</a>
- <a href="https://news.lmarena.ai/" class="external text" rel="nofollow">LMArena 博客/政策与更新</a>
- <a href="https://lmsys.org/" class="external text" rel="nofollow">LMSYS 研究小组网站（项目原始孵化方）</a>

## 参考文献

- Chiang, W.-L. et al. (2024). *Chatbot Arena: An Open Platform for Evaluating LLMs by Human Preference*. <a href="https://arxiv.org/abs/2403.04132" class="external text" rel="nofollow">arXiv:2403.04132</a>.
- Zheng, L. et al. (2023). *Judging LLM-as-a-Judge with MT-Bench and Chatbot Arena*. <a href="https://arxiv.org/abs/2306.05685" class="external text" rel="nofollow">arXiv:2306.05685</a>.
- Li, T. et al. (2024). *From Crowdsourced Data to High-Quality Benchmarks: Arena-Hard and BenchBuilder Pipeline*. <a href="https://arxiv.org/abs/2406.11939" class="external text" rel="nofollow">arXiv:2406.11939</a>.
- Ameli, S.; Zhuang, S.; Stoica, I.; Mahoney, M. W. (2024). *A Statistical Framework for Ranking LLM-Based Chatbots*. <a href="https://arxiv.org/abs/2412.18407" class="external text" rel="nofollow">arXiv:2412.18407</a>.
- Boubdir, M. et al. (2023). *Elo Uncovered: Robustness and Best Practices in Language Model Evaluation*. <a href="https://arxiv.org/abs/2311.17295" class="external text" rel="nofollow">arXiv:2311.17295</a>.
- Huang, J. Y.; Shen, Y.; Wei, D.; Broderick, T. (2025). *Dropping Just a Handful of Preferences Can Change Top Large Language Model Rankings*. <a href="https://arxiv.org/abs/2508.11847" class="external text" rel="nofollow">arXiv:2508.11847</a>.
- Xu, Y.; Ruis, L.; Rocktäschel, T.; Kirk, R. (2025). *Investigating Non-Transitivity in LLM-as-a-Judge*. <a href="https://arxiv.org/abs/2502.14074" class="external text" rel="nofollow">arXiv:2502.14074</a>.
- Li, H. et al. (2024). *LLMs-as-Judges: A Comprehensive Survey on LLM-based Evaluation Methods*. <a href="https://arxiv.org/abs/2412.05579" class="external text" rel="nofollow">arXiv:2412.05579</a>.
- Zheng, L. et al. (2024). *LMSYS-Chat-1M: A Large-Scale Real-World LLM Conversation Dataset*. <a href="https://arxiv.org/abs/2309.11998" class="external text" rel="nofollow">arXiv:2309.11998</a>.
- Dubois, Y. et al. (2024). *Length-Controlled AlpacaEval: A Simple Way to Debias Automatic Evaluators*. <a href="https://arxiv.org/abs/2404.04475" class="external text" rel="nofollow">arXiv:2404.04475</a>.
- Singh, S. et al. (2025). *The Leaderboard Illusion*. <a href="https://arxiv.org/abs/2504.20879" class="external text" rel="nofollow">arXiv:2504.20879</a>.
- Min, R.; Pang, T.; Du, C.; Liu, Q.; Cheng, M.; Lin, M. (2025). *Improving Your Model Ranking on Chatbot Arena by Vote Rigging*. <a href="https://arxiv.org/abs/2501.17858" class="external text" rel="nofollow">arXiv:2501.17858</a>.

## 注释

1.  <span id="cite_note-chiang2024-1">↑ <sup>[1.0](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-chiang2024_1-0)</sup> <sup>[1.1](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-chiang2024_1-1)</sup> Chiang, W.-L. et al. «Chatbot Arena: An Open Platform for Evaluating LLMs by Human Preference». *arXiv:2403.04132*, 2024. <a href="https://arxiv.org/abs/2403.04132" class="external text" rel="nofollow">arXiv</a></span>
2.  <span id="cite_note-hello_2025-2">[↑](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-hello_2025_2-0) «Hello from LMArena: The Community Platform for Exploring Frontier AI». *LMArena Blog*, 2025年6月23日. <a href="https://news.lmarena.ai/hello-from-lmarena/" class="external autonumber" rel="nofollow">[1]</a></span>
3.  <span id="cite_note-new_site_2024-3">↑ <sup>[3.0](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-new_site_2024_3-0)</sup> <sup>[3.1](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-new_site_2024_3-1)</sup> «Announcing a New Site for Chatbot Arena». *LMSYS Blog*, 2024年9月20日. <a href="https://lmsys.org/blog/2024-09-20-arena-new-site/" class="external autonumber" rel="nofollow">[2]</a></span>
4.  <span id="cite_note-seed_prn-4">↑ <sup>[4.0](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-seed_prn_4-0)</sup> <sup>[4.1](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-seed_prn_4-1)</sup> «LMArena Secures \$100M in Seed Funding…». *PR Newswire*, 2025年5月21日. <a href="https://www.prnewswire.com/news-releases/lmarena-secures-100m-in-seed-funding-to-bring-scientific-rigor-to-ai-reliability-302462025.html" class="external autonumber" rel="nofollow">[3]</a></span>
5.  <span id="cite_note-tc_seed-5">↑ <sup>[5.0](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-tc_seed_5-0)</sup> <sup>[5.1](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-tc_seed_5-1)</sup> <sup>[5.2](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-tc_seed_5-2)</sup> Wiggers, K. «LM Arena… lands \$100M». *TechCrunch*, 2025年5月21日. <a href="https://techcrunch.com/2025/05/21/lm-arena-the-organization-behind-popular-ai-leaderboards-lands-100m/" class="external autonumber" rel="nofollow">[4]</a></span>
6.  <span id="cite_note-lmsys_launch_2023-6">[↑](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-lmsys_launch_2023_6-0) «Chatbot Arena: Benchmarking LLMs in the Wild with Elo Ratings». *LMSYS Blog*, 2023年5月3日. <a href="https://lmsys.org/blog/2023-05-03-arena/" class="external autonumber" rel="nofollow">[5]</a></span>
7.  <span id="cite_note-7">[↑](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-7) «Chatbot Arena Conversation Dataset Release». *LMSYS Blog*, 2023年7月20日. <a href="https://lmsys.org/blog/2023-07-20-dataset/" class="external autonumber" rel="nofollow">[6]</a></span>
8.  <span id="cite_note-8">[↑](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-8) Zheng, L. et al. «LMSYS‑Chat‑1M». *arXiv:2309.11998*, 2023. <a href="https://arxiv.org/abs/2309.11998" class="external autonumber" rel="nofollow">[7]</a></span>
9.  <span id="cite_note-arena_hard-9">↑ <sup>[9.0](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-arena_hard_9-0)</sup> <sup>[9.1](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-arena_hard_9-1)</sup> Li, T. et al. «From Crowdsourced Data to High‑Quality Benchmarks: Arena‑Hard and BenchBuilder Pipeline». *arXiv:2406.11939*, 2024. <a href="https://arxiv.org/abs/2406.11939" class="external autonumber" rel="nofollow">[8]</a></span>
10. <span id="cite_note-sentiment_control-10">↑ <sup>[10.0](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-sentiment_control_10-0)</sup> <sup>[10.1](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-sentiment_control_10-1)</sup> <sup>[10.2](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-sentiment_control_10-2)</sup> «Does Sentiment Matter Too? Introducing Sentiment Control». *LMArena Blog*, 2025年4月22日. <a href="https://news.lmarena.ai/sentiment-control/" class="external autonumber" rel="nofollow">[9]</a></span>
11. <span id="cite_note-webdev_arena-11">↑ <sup>[11.0](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-webdev_arena_11-0)</sup> <sup>[11.1](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-webdev_arena_11-1)</sup> «WebDev Arena: A Live LLM Leaderboard for Web App Development». *LMArena Blog*, 2025年3月10日. <a href="https://lmarena.github.io/blog/2025/webdev-arena/" class="external autonumber" rel="nofollow">[10]</a></span>
12. <span id="cite_note-repochat_arena-12">↑ <sup>[12.0](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-repochat_arena_12-0)</sup> <sup>[12.1](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-repochat_arena_12-1)</sup> «RepoChat Arena: A Live Benchmark for AI Software Engineers». *LMArena Blog*, 2025年4月9日. <a href="https://lmarena.github.io/blog/2025/repochat-arena/" class="external autonumber" rel="nofollow">[11]</a></span>
13. <span id="cite_note-3m_2025-13">[↑](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-3m_2025_13-0) «Celebrating Community Impact: 3M+ votes, 400+ models…». *LMArena Blog*, 2025年4月27日. <a href="https://news.lmarena.ai/two-year-celebration/" class="external autonumber" rel="nofollow">[12]</a></span>
14. <span id="cite_note-opendata_2025-14">↑ <sup>[14.0](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-opendata_2025_14-0)</sup> <sup>[14.1](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-opendata_2025_14-1)</sup> Y. Song. «A Deep Dive into Recent Arena Data». *LMArena Blog*, 2025年7月31日. <a href="https://news.lmarena.ai/opendata-july2025/" class="external autonumber" rel="nofollow">[13]</a></span>
15. <span id="cite_note-nanobanana_blog-15">↑ <sup>[15.0](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-nanobanana_blog_15-0)</sup> <sup>[15.1](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-nanobanana_blog_15-1)</sup> <sup>[15.2](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-nanobanana_blog_15-2)</sup> «Nano Banana (Gemini 2.5 Flash Image): Try it on LMArena». *LMArena Blog*, 2025年8月27日. <a href="https://news.lmarena.ai/nano-banana/" class="external autonumber" rel="nofollow">[14]</a></span>
16. <span id="cite_note-tti_page-16">↑ <sup>[16.0](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-tti_page_16-0)</sup> <sup>[16.1](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-tti_page_16-1)</sup> <sup>[16.2](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-tti_page_16-2)</sup> *Text‑to‑Image Arena*. *LMArena*, 更新于2025年8月25日. <a href="https://lmarena.ai/leaderboard/text-to-image" class="external autonumber" rel="nofollow">[15]</a></span>
17. <span id="cite_note-changelog-17">↑ <sup>[17.0](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-changelog_17-0)</sup> <sup>[17.1](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-changelog_17-1)</sup> *Leaderboard Changelog*. *LMArena Blog*, 2025年8月记录. <a href="https://news.lmarena.ai/leaderboard-changelog/" class="external autonumber" rel="nofollow">[16]</a></span>
18. <span id="cite_note-text_stats-18">↑ <sup>[18.0](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-text_stats_18-0)</sup> <sup>[18.1](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-text_stats_18-1)</sup> *Text Arena (English)*. *LMArena*. <a href="https://lmarena.ai/leaderboard/text/english" class="external autonumber" rel="nofollow">[17]</a></span>
19. <span id="cite_note-policy-19">↑ <sup>[19.0](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-policy_19-0)</sup> <sup>[19.1](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-policy_19-1)</sup> <sup>[19.2](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-policy_19-2)</sup> <sup>[19.3](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-policy_19-3)</sup> *LMArena Leaderboard Policy*. *LMArena Blog*, 修订于2025年9月8日. <a href="https://news.lmarena.ai/policy/" class="external autonumber" rel="nofollow">[18]</a></span>
20. <span id="cite_note-20">[↑](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-20) lm‑sys/FastChat (GitHub). <a href="https://github.com/lm-sys/FastChat" class="external autonumber" rel="nofollow">[19]</a></span>
21. <span id="cite_note-21">[↑](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-21) *FAQ*. *LMArena*. <a href="https://lmarena.ai/faq" class="external autonumber" rel="nofollow">[20]</a></span>
22. <span id="cite_note-22">[↑](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-22) *LMArena* 主页（关于数据可能被公开并传输给提供商的免责声明）. <a href="https://lmarena.ai/" class="external autonumber" rel="nofollow">[21]</a></span>
23. <span id="cite_note-23">[↑](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-23) Zheng, L. et al. «Judging LLM‑as‑a‑Judge with MT‑Bench and Chatbot Arena». *arXiv:2306.05685*, 2023. <a href="https://arxiv.org/abs/2306.05685" class="external autonumber" rel="nofollow">[22]</a></span>
24. <span id="cite_note-24">[↑](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-24) Li, T. et al. «From Crowdsourced Data…» *arXiv:2406.11939* (一致性表格). <a href="https://arxiv.org/abs/2406.11939" class="external autonumber" rel="nofollow">[23]</a></span>
25. <span id="cite_note-25">[↑](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-25) *Vision Arena*. *LMArena*, 更新于2025年9月2日. <a href="https://lmarena.ai/leaderboard/vision" class="external autonumber" rel="nofollow">[24]</a></span>
26. <span id="cite_note-26">[↑](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-26) *Text‑to‑Video* 和 *Image‑to‑Video Leaderboards*. *LMArena*, 2025年8月. <a href="https://lmarena.ai/leaderboard/text-to-video" class="external autonumber" rel="nofollow">[25]</a> <a href="https://lmarena.ai/leaderboard/image-to-video" class="external autonumber" rel="nofollow">[26]</a></span>
27. <span id="cite_note-27">[↑](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-27) «Introducing the Search Arena». *LMArena Blog*, 2025年4月14日. <a href="https://news.lmarena.ai/search-arena/" class="external autonumber" rel="nofollow">[27]</a></span>
28. <span id="cite_note-28">[↑](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-28) «Search Arena & What We’re Learning About Human Preference». *LMArena Blog*, 2025年7月23日. <a href="https://news.lmarena.ai/search-arena-update/" class="external autonumber" rel="nofollow">[28]</a></span>
29. <span id="cite_note-29">[↑](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-29) Frick, E. et al. «Search Arena: Analyzing Search‑Augmented LLMs». *arXiv:2506.05334*, 2025. <a href="https://arxiv.org/abs/2506.05334" class="external autonumber" rel="nofollow">[29]</a></span>
30. <span id="cite_note-30">[↑](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-30) «Introducing BiomedArena.AI». *LMArena Blog*, 2025年8月19日. <a href="https://news.lmarena.ai/introducing-biomedarena/" class="external autonumber" rel="nofollow">[30]</a></span>
31. <span id="cite_note-31">[↑](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-31) Google. «Gemma 3…», 2025年3月12日 (引用 LMArena 结果). <a href="https://blog.google/technology/developers/gemma-3/" class="external autonumber" rel="nofollow">[31]</a></span>
32. <span id="cite_note-32">[↑](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-32) Spangher, L. et al. «Chatbot Arena Estimate…». *NAACL Industry*, 2025. <a href="https://aclanthology.org/2025.naacl-industry.77.pdf" class="external autonumber" rel="nofollow">[32]</a></span>
33. <span id="cite_note-33">[↑](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-33) «Meta’s experimental Llama 4 model briefly topped AI leaderboard…». *The Register*, 2025年4月7日. <a href="https://www.theregister.com/2025/04/07/meta_llama_arena/" class="external autonumber" rel="nofollow">[33]</a></span>
34. <span id="cite_note-34">[↑](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-34) LMArena 在 X 上关于此事件的官方澄清/帖子（2025年4月）. <a href="https://x.com/lmarena_ai/status/1776881220809552182" class="external autonumber" rel="nofollow">[34]</a></span>
35. <span id="cite_note-35">[↑](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-35) «Search Arena & What We’re Learning…». *LMArena Blog*, 2025年7月23日. <a href="https://news.lmarena.ai/search-arena-update/" class="external autonumber" rel="nofollow">[35]</a></span>
36. <span id="cite_note-36">[↑](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-36) Min, R. et al. «Improving Your Model Ranking on Chatbot Arena by Vote Rigging». *arXiv:2501.17858*, 2025. <a href="https://arxiv.org/abs/2501.17858" class="external autonumber" rel="nofollow">[36]</a></span>
37. <span id="cite_note-37">[↑](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-37) Huang, Y. et al. «Exploring and Mitigating Adversarial Manipulation of Voting‑Based Leaderboards». *arXiv:2501.07493*, 2025. <a href="https://arxiv.org/abs/2501.07493" class="external autonumber" rel="nofollow">[37]</a></span>
38. <span id="cite_note-38">[↑](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-38) «Hundreds of rigged votes can skew…». *Fast Company*, 2025年2月6日. <a href="https://www.fastcompany.com/91273226/rigged-votes-ai-model-rankings-chatbot-arena" class="external autonumber" rel="nofollow">[38]</a></span>
39. <span id="cite_note-39">[↑](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-39) Singh, S. et al. «The Leaderboard Illusion». *arXiv:2504.20879*, 2025. <a href="https://arxiv.org/abs/2504.20879" class="external autonumber" rel="nofollow">[39]</a></span>
40. <span id="cite_note-40">[↑](https://systems-analysis.info/int/LMArena_(Chatbot_Arena)_%E2%80%94_%E5%A4%A7%E6%A8%A1%E5%9E%8B%E7%AB%9E%E6%8A%80%E5%9C%BA#cite_ref-40) «Our Response to ‘The Leaderboard Illusion’». *LMArena Blog*, 2025年5月9日. <a href="https://news.lmarena.ai/our-response/" class="external autonumber" rel="nofollow">[40]</a></span>