公开竞技场，匿名模型两两对决，由人类投票排名。
LMArena 向用户展示针对同一提示词的两个匿名模型回复，请访问者选出更好的一个，然后根据这些投票得出排名。它解决了这样一个问题：每个静态基准最终都会泄漏到训练数据中，从而不再能衡量任何东西。它之所以存在，是因为提示词由公众选择，因此事先未知，这使得污染难度大大增加——而它的代价是，投票是自选的，而非受控的。
LMArena 如何与技术栈的其他部分相连。
