ლიდერბორდი, რომლის „მოტყუებაც“ შეუძლებელია: Arena-ს გზა ბერკლის კვლევიდან 1.7 მილიარდ დოლარამდე

ხელოვნური ინტელექტის მოდელების რაოდენობა ელვისებური სისწრაფით იზრდება და ბაზარზე კონკურენცია სულ უფრო მძაფრდება. ამ მრავალფეროვნებაში საუკეთესოს გამოვლენა და იმის განსაზღვრა, თუ ვინ უნდა დაადგინოს ლიდერი, გადამწყვეტი მნიშვნელობის საკითხია. სწორედ ამ გამოწვევას პასუხობს Arena (ყოფილი LM Arena), რომელიც დიდი ენობრივი მოდელების (LLM) დე ფაქტო საჯარო ლიდერბორდად იქცა.

პლატფორმა მნიშვნელოვან გავლენას ახდენს დაფინანსების მოპოვებაზე, ახალი პროდუქტების გაშვებასა და კომპანიების პიარ კამპანიებზე. სულ რაღაც შვიდ თვეში, პროექტი ბერკლის უნივერსიტეტის (UC Berkeley) სადოქტორო კვლევიდან 1.7 მილიარდი დოლარის ღირებულების სტარტაპად გარდაიქმნა.

Equity-ის წამყვანი რებეკა ბელანი Arena-ს თანადამფუძნებლებს, ანასტასიოს ანგელოპულოსსა და ვეი-ლინ ჩიანგს ესაუბრა იმის შესახებ, თუ როგორ გახდა მათი პლატფორმა წამყვანი AI მოდელების შეფასების მთავარი ორიენტირი. საუბარი ასევე შეეხო ნეიტრალური ბენჩმარკის შექმნის სირთულეებს იმ პირობებში, როდესაც პროექტს ისეთი გიგანტები უჭერენ მხარს, როგორიცაა OpenAI, Google და Anthropic.

როგორ მუშაობს Arena და რატომ არის ის სანდო

დამფუძნებლებმა დეტალურად განმარტეს Arena-ს მუშაობის პრინციპი და ის მიზეზები, რის გამოც მისი შედეგების მანიპულირება (gaming) გაცილებით რთულია, ვიდრე ტრადიციული, სტატიკური ბენჩმარკების შემთხვევაში. პლატფორმის წარმატების ერთ-ერთი გასაღები „სტრუქტურული ნეიტრალიტეტია“, რაც ობიექტური შეფასების გარანტიას იძლევა.

ინტერვიუში განხილულია შემდეგი საკითხები:

• მუშაობის მექანიზმი: რატომ არის Arena-ს სისტემა უფრო მდგრადი მანიპულაციების მიმართ, ვიდრე სხვა სტანდარტული ტესტები.
• სტრუქტურული ნეიტრალიტეტი: რას ნიშნავს ეს ტერმინი პრაქტიკაში და როგორ ინარჩუნებს კომპანია დამოუკიდებლობას მსხვილი ინვესტორების ფონზე.
• Claude-ის წარმატება: რატომ იკავებს ეს მოდელი ამჟამად წამყვან პოზიციებს იურიდიულ და სამედიცინო სფეროებში ექსპერტთა ლიდერბორდებზე.

გაფართოება და სამომავლო გეგმები

Arena მხოლოდ ჩატ-ბოტების შეფასებით არ შემოიფარგლება. კომპანია აქტიურად მუშაობს ახალ კორპორაციულ პროდუქტზე, რომელიც საშუალებას მისცემს შეაფასონ ხელოვნური ინტელექტის აგენტები, პროგრამული კოდის წერის უნარები და რეალური ამოცანების შესრულების ხარისხი. ეს ნაბიჯი მიზნად ისახავს AI მოდელების შესაძლებლობების უფრო კომპლექსურ და პრაქტიკულ ანალიზს.