Code Arena 上线 WebDev 排行榜,采用 AutoEval 自动评分
Dive into the Code Arena: WebDev leaderboard: https://t.co/GFZ3FCC7Cl Note: these are AutoEval scor...
arena.ai 给网页开发模型加了个新榜单,用 AutoEval 自动打分,不用等人投票,更新会快很多。正在挑编程模型的朋友可以拿它和 SWE-bench 对照着看,排名可能有差异。
arena.ai 推出 Code Arena 的 WebDev 排行榜,榜单地址为 arena.ai/leaderboard/code,用于展示各模型在网页开发任务上的表现。榜单分数来自 AutoEval 自动化评分体系,而非人工投票,官方在推文中附上了对 AutoEval 机制的说明链接。这与 LMArena 早期依赖真人盲测对比的评分方式不同,自动评分可以让榜单更新更快、覆盖更多任务样本。对开发者来说,这是继代码基准之外又一个观察模型真实网页开发能力的参考渠道,具体排名和分数需查看榜单页面。
AutoEval 评分机制的具体权重和任务构成,官方在另一条推文与文章中做了说明。相比传统基准测试固定的题目集,竞技场式榜单通常持续追加新任务,能减少模型对已知题目的过拟合。对正在选型编程助手或前端生成模型的团队,可以把它当作与 SWE-bench、HumanEval 等基准互补的信号源。
Dive into the Code Arena: WebDev leaderboard: https://t.co/GFZ3FCC7Cl Note: these are AutoEval scor...
Dive into the Code Arena: WebDev leaderboard: arena.ai/leaderboard/co… Note: these are AutoEval scores. Learn more below: x.com/arena/status/2… Arena.ai @arena x.com/i/article/2085… 🔗 View Quoted Tweet
本条情报归属 AITOP「产品」核心栏目,重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中,该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」「中美大模型技术代差与商业化对照」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:Code Arena、WebDev、AutoEval、编程助手,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明:本文原始线索采编自「lmarena.ai」(@lmarena_ai),经 AITOP 多维评分管线结构化提炼。