精品活动 | 中文竞技场大模型评测召集令

简介: 8月,魔搭社区联合香港中文大学(深圳)、深圳市大数据研究院、阿里云开发者社区、阿里云开发者评测发布中文竞技场大模型评测活动,汇聚了包括Baichuan-13B、ChatGLM2-6B、Qwen-Chat-7B、moss-moon-003-sft、Ziya-LLaMa-13B-v1等十余款开源大模型在中文对话场域同台PK。

8月,魔搭社区联合香港中文大学(深圳)、深圳市大数据研究院、阿里云开发者社区、阿里云开发者评测发布中文竞技场大模型评测活动,汇聚了包括Baichuan-13B、ChatGLM2-6B、Qwen-Chat-7B、moss-moon-003-sft、Ziya-LLaMa-13B-v1等十余款开源大模型在中文对话场域同台PK。


活动提供 iPhone 14pro、Airpods、社区精美周边等限量诚意好礼,诚邀各位大语言模型爱好者们体验、评测投稿,并根据评测投稿质量、人气、速度分别设立奖项。


评测活动细则


活动时间:

2023年8月15日-2023年9月25日


参与对象:

阿里云认证用户


活动入口:

https://developer.aliyun.com/topic/ms2023


具体玩法:

1、体验场景:十余款中文大模型同台竞技

(中文竞技场模型评测平台由魔搭社区提供能力,后文详细介绍玩法)


2、场景评测:写下真实评测,角逐最佳评测

进入【文章发布页面】,写下中文竞技场大模型真实评测,参与投稿位置点击【投稿入口】进行提交评审。


评测一等奖获得者将被评为“中文竞技场大模型最佳评测官”,在重磅奖品基础上,还有机会参观阿里云云谷,与产研团队实地座谈!


3、超级豪礼:发布体验评测,参与角逐赢大奖!

活动期间,依据用户提交顺序及评审要求,为广大开发者提供多款好礼:


一等奖(导师评选产生) 1名  

iPhone 14pro / 开发者评测全套周边 / 阿里云社区最佳评测官奖杯


二等奖(导师评选产生) 2名

ModelScope定制周边背包 / Airpods耳机 / 阿里云社区优质评测证书


三等奖(点赞量前20名) 20名

ModelScope / 定制周边T恤


参与奖(发布评测前100名) 100名

30元天猫超市卡



中文竞技场大模型玩法


双模型匿名评测


玩法一:选择系统推荐的prompt提问

第一步:选择对话类型,系统会自动推荐prompt,直接点击发送,即可体验效果;

第二步:根据结果选择模型的效果,A更好,B更好,都很好,都很差,选择后,可以看到匿名的两个模型名称。


玩法二:构建自己的prompt

第一步:选择对话类型,修改或者清空并重写系统推荐的prompt,点击发送,即可体验效果

第二步:根据结果选择模型的效果,A更好,B更好,都很好,都很差,选择后,可以看到匿名的两个模型名称。


模型自动对话

模型自动对话不支持自定义prompt,同时中文竞技场已经准备好了丰富的多场景prompts,供用户体验。

第一步:选择对话类型,系统会自动推荐prompt,直接点击发送,即可体验效果

第二步:根据A模型和B模型的对话效果,选出效果更好的模型

此时模型会模拟一个场景,并展开场景下的两人的对话。



单模型对话

可选择任意的模型测试效果。目前支持14个主流的中文LLM



点击链接投稿

https://developer.aliyun.com/topic/ms2023

相关文章
|
6月前
|
人工智能 文字识别 安全
大模型能力评测方式很多?
AI评测非单一分数比拼,而是多维度、多方法的系统工程。其核心框架可拆解为基础维度、主流基准与关键方法,共同构成模型能力的“CT扫描”系统。
531 0
|
9月前
|
人工智能 自然语言处理 IDE
技术赋能新维度,灵码进化新突破:通义灵码2.5新功能尝鲜及深度评测
通义灵码是阿里云推出的基于通义大模型的智能编程助手,作为首款全栈智能辅助的国产编码工具,它为开发者提供“第二大脑”,并重构团队协作效能。2.5版本新增智能体模式,支持Qwen3系列模型,具备自主决策、工程感知和记忆能力,集成3000+MCP工具。其优势包括多模式对话体验、上下文增强、全流程工具链支持及个性化记忆功能,但仍存在上下文管理、权限控制和语言支持等方面的改进空间。此次更新标志着AI辅助开发进入全链路智能化新纪元,成为开发者真正的“结对编程伙伴”。
1503 36
|
9月前
|
人工智能 自然语言处理 JavaScript
通义灵码2.5实战评测:Vue.js贪吃蛇游戏一键生成
通义灵码基于自然语言需求,快速生成完整Vue组件。例如,用Vue 2和JavaScript实现贪吃蛇游戏:包含键盘控制、得分系统、游戏结束判定与Canvas动态渲染。AI生成的代码符合规范,支持响应式数据与事件监听,还能进阶优化(如增加启停按钮、速度随分数提升)。传统需1小时的工作量,使用通义灵码仅10分钟完成,大幅提升开发效率。操作简单:安装插件、输入需求、运行项目即可实现功能。
457 4
 通义灵码2.5实战评测:Vue.js贪吃蛇游戏一键生成
|
4月前
|
人工智能 自然语言处理 监控
58_大模型评估与评测:构建科学的多维度评测体系
在大语言模型(LLM)技术飞速发展的今天,如何科学、全面地评估和评测这些模型的能力已成为学术界和工业界共同关注的核心问题。2025年,大模型生态系统呈现出百花齐放的态势,从参数规模、架构设计到应用场景都出现了多样化的发展路径。在这种背景下,单一的性能指标或评测方法已经无法满足对大模型进行全面评估的需求。
|
5月前
|
人工智能 数据可视化 前端开发
AI Ping:精准可靠的大模型服务性能评测平台
AI Ping是清华系团队推出的“大模型服务评测平台”,被誉为“AI界的大众点评”。汇聚230+模型服务,7×24小时监测性能数据,以吞吐量、延迟等硬指标助力开发者科学选型。界面简洁,数据可视化强,支持多模型对比,横向对标国内外主流平台,为AI应用落地提供权威参考。
1239 3
|
8月前
|
数据采集 人工智能 安全
揭秘大模型评测:如何用“说明书”式方法实现业务场景下的精准评估
本文旨在系统性地介绍如何在实际业务场景中开展大模型评测工作,帮助读者理解并掌握从需求分析、评测集设计与生成、评测维度设定、评测任务执行到评测报告输出的完整流程。
|
8月前
|
人工智能 IDE 搜索推荐
通义灵码2.5评测:从编程智能体到记忆感知的AI编码革命
通义灵码2.5版本更新带来了多项新功能,包括Lingma IDE的开箱即用体验、编程智能体模式实现端到端编码任务、MCP工具集成扩展AI助手能力以及Qwen3模型升级大幅提升代码生成准确性和效率。此外,新增长期记忆与上下文感知功能,使开发更个性化和高效。尽管存在一些局限性,如复杂业务逻辑仍需人工干预,但整体显著提升了开发效率。官方还提供了高质量视频课程助力用户学习。
1306 11
|
9月前
|
人工智能 Java API
通义灵码 2.5 版深度评测:智能编程的边界在哪里?
通义灵码 2.5 版深度评测:智能编程的边界在哪里?
361 2
|
9月前
|
传感器 人工智能 API
通义灵码2.5深度评测:编程智能体与MCP工具的革新体验
通义灵码2.5通过“智能体+MCP”组合,重新定义了AI编码助手的边界。其价值不仅在于代码生成效率,更在于通过工具链整合和环境感知,推动开发流程向“声明式编程”演进。对于开发者而言,它既是提升效率的利器,也是探索AI辅助开发边界的实验场。
705 8
|
10月前
|
算法 物联网 Swift
Qwen3 X ModelScope工具链: 飞速训练 + 全面评测
Qwen于近日发布了Qwen3系列模型,包含了各个不同规格的Dense模型和MoE模型。开源版本中,Dense模型基本沿用了之前的模型结构,差别之处在于对于Q和K两个tensor增加了RMSNorm;MoE模型去掉了公共Expert,其他结构基本与前一致。在模型大小上,涵盖了从0.6B到32B(Dense)和235B(MoE)不同的尺寸。
1467 15