وقتی وارد صفحهٔ اصلی LMArena میشی، اولین چیزی که میبینی یک رابط ساده و مستقیم برای «مقایسه پاسخها بین مدلهای برتر هوش مصنوعی» هست؛ جایی که میتونی بهسرعت دو یا چند مدل رو در مقابل هم قرار بدی، جوابها رو ببینی و رأی بدی که کدوم جواب بهتره. این ایدهٔ مرکزی سایت — نمایش پاسخهای مدلها بهصورت کنار هم و گرفتن رأی انسانی — دقیقاً همون چیزی هست که باعث شده مردم و پژوهشگران بهش نگاه کنند.
صفحهٔ اصلی شامل عناصر روشن و قابلفهمیه: دکمههای «New Chat» یا «Battle»، لینک به «Leaderboard» (لیست برترینها)، گزینهٔ ورود/ثبتنام و فهرستی از مدلهایی که در حال حاضر در آرنا حاضرند (مثل مدلهای مطرح تجاری و تحقیقاتی). رابط سایت طراحی شده تا کاربر بدون پیچیدگی بتونه سریع تست بزنه: یک ورودی متن مینویسی، مدلها جواب میدن و بعد رأیگیری انجام میشه. همین سادگی باعث میشه هر کسی — از علاقهمند عادی تا محقق — بهراحتی وارد چرخهٔ آزمایش و رأیگیری بشه.
بخش «Battle» یا نبرد، هستهٔ تجربهٔ سایت رو تشکیل میده. شما یک پرسش یا پرامپت میفرستی و سیستم بهصورت تصادفی یا انتخابی دو مدل را در مقابل هم قرار میده، بدون اینکه نام مدلها مشخص باشه (blind comparison). شما پاسخها را کنار هم میبینید و باید بر اساس معیارهای خودتون — خوانایی، دقت، خلاقیت، کامل بودن جواب یا هر چیز دیگه — رأی بدید. این رأیها جمعآوری و بهصورت یک سیستم رتبهبندی بهروزرسانی میشن تا لیست برترینها شکل بگیره. این مکانیزم «مقایسهٔ دو به دو با رأی انسانی» باعث میشه شاخصی از کیفیتِ پاسخها بر اساس سلیقهٔ افراد واقعی تولید بشه، نه فقط عددهای معیارهای مصنوعی.
صفحهٔ Leaderboard خلاصهای از عملکرد مدلها ارائه میده: در هر «آرنا» (مثلاً متن، تصویر، بینایی و...) رتبهٔ مدلها بهصورت پویا نشان داده میشه. LMArena از مکانیزمهایی شبیه سیستم امتیازدهی الوی (Elo) و آمارهای مبتنی بر رأی انسان استفاده میکنه تا جایگاه مدلها رو تعیین کنه؛ یعنی رتبهها بازتابدهندهٔ ترجیحات انسانی واقعیان، نه صرفاً نتایج مجموعهٔ معیارهای ماشینی. این موضوع برای توسعهدهندهها و تیمهای تحقیقاتی مهمه چون بهشون میگه کدوم رفتارهای مدل در استفادهٔ واقعی بهتر پذیرفته میشه.
LMArena ریشهاش از پروژههایی است که توسط تیمهایی از دانشگاهها و سازمانهای تحقیقاتی شکل گرفت (سابقاً تحت نام Chatbot Arena هم شناخته میشد). این پلتفرم با هدفِ شفافسازی پیشرفت مدلها و فراهم کردن یک مکان عمومی برای مقایسهٔ انسانی توسعه داده شده و تاکنون بهعنوان یک منبع دادهٔ باز برای پژوهشهای ترجیحات انسانی مطرح شده. یعنی دادههایی که از رأیها بهدست میاد، میتونن مبنای مطالعات و تحلیلهای علمی در مورد اینکه «آدمها چه پاسخهایی رو ترجیح میدن» باشن.
یکی از نکات مهم اینه که LMArena دیتاستهای رأی انسانی رو باز میکند و به پژوهشگران اجازه میده تا به بزرگترین مخزن ترجیحات انسانی برای مدلهای مولّد دسترسی داشته باشند. این کمک میکنه تا مطالعات عمیقتری روی رفتار مدلها و همگامسازی آنها با ترجیحات انسانی انجام بشه. بهعبارت دیگه، سایت علاوه بر اینکه یک ابزار آزمایشی برای کاربرهاست، یک منبع تحقیقاتی هم بهشمار میره.
یکی از مواردی که در صفحهٔ اصلی صریحاً نوشته شده، اینه که ورودیها توسط ارائهدهندههای ثالث پردازش میشن و ممکنه اطلاعات مکالمات یا دادههای شخصی — در صورتی که ارسال شوند — به آنها افشا بشه. سایت تأکید میکنه که کاربران نباید اطلاعات حساس یا شخصی خودشون رو داخل سرویس ارسال کنن، چون بعضی از محتوای ورودی ممکنه برای پیشبرد پژوهش یا پشتیبانی عمومی منتشر بشه. این شفافیت توی سیاست استفاده برای کسی که میخواد مدلها رو آزمایش کنه خیلی مهمه؛ چون آگاهی از مسیر دادهها و خطرات احتمالی، تصمیمگیری کاربر رو شکل میده.
LMArena میزبان مدلهایی از کمپانیها و پروژههای مطرحه؛ هم مدلهای متنبنیاد مثل GPT و Claude و Gemini و هم مدلهای تصویر یا چندرسانهای. شرکتها گاهی مدلهای آزمایشی یا نسخههای پیشانتشار خودشون رو هم روی این پلتفرم تست میکنن تا بازخورد انسانی بگیرن قبل از عرضهٔ عمومی. برای کاربر یعنی دسترسی به مدلهایی که معمولاً پشتِ درهای اشتراک و API مخفی هستن — این برای توسعهدهندهها و علاقهمندان یک فرصت طلاییه. منابع مستقل و اخبار هم بارها اشاره کردن که این پلتفرم برای معرفی یا تست موقتی مدلها کاربرد داشته.
LMArena بهجای تکیهٔ صرف بر بنچمارکهای مصنوعی، رأی انسانی رو در مرکز قرار داده؛ اما همین روش هم نقدها و محدودیتهایی داره — مثلاً امکان تقلب در رأیگیری یا سوگیری نمونهٔ رأیدهندگان. بهخاطر همین، تیم پشت صحنه مستمراً متدولوژیها و سیاستها رو بهروز میکنه و دادهها رو برای پژوهش باز منتشر میکنه تا جامعهٔ علمی بتونه تحلیل و انتقاد کنه. این چرخهٔ بازخورد به ارتقای کیفیت نتایج و کاهش آثار جانبی کمک میکنه.
برای اینکه خودتون یک مقایسهٔ سریع انجام بدید، کافیه وارد بخش Battle یا New Chat بشید، یک پرامپت ساده بنویسید (مثلاً یک پرسش تخصصی، یا درخواست تولید متن تبلیغاتی) و اجازه بدید دو مدل پاسخ بدن. بعد از دیدن دو پاسخ کنار هم، با معیارهایی مثل صحت اطلاعات، روانی متن، و تناسب با هدف، رأی خودتون رو ثبت کنید. هر رأی شما در بهروز شدن رتبهها اثر میذاره و دادهای برای مخزن پژوهشی سایت تولید میکنه. این فرآیند کوتاه و جذابه و برای کسانی که میخوان تفاوتهای رفتاری بین مدلها رو در عمل ببینند عالیه.
اگر کسبوکار یا تولیدکنندهٔ محتوا هستید و از LMArena برای تست تولید محتوا با مدلها استفاده میکنید، بهتره پرامپتها رو طوری طراحی کنید که معیارهای واقعیِ مخاطبتون رو منعکس کنه: مثلاً «خوانایی برای مخاطب عام»، «دعوت به اقدام مشخص»، یا «تطابق با برند». رأیهای انسانی در LMArena میتونن نشون بدن کدوم سبک جوابها بیشتر مورد قبول واقع میشن؛ این دادهها برای تصمیمگیری در تولید محتوا و اصلاح استراتژی سئو واقعاً ارزشمندن. همچنین موقع استفاده از هر مدل، حواستون به حقوق نشر و منابع باشه و همیشه خروجیها رو برای دقت و اصالت چک کنید.
هرچند جمعآوری رأی انسانی مزیت بزرگیه، اما لزوماً معیار قطعی «بهترین» رو تضمین نمیکنه: انتخابها میتونن تحت تأثیر فرهنگ، اطلاعات نادرست، یا حتی کمپینهای سازماندهی شده قرار بگیرن. به همین خاطر توصیه میشه که نتایج LMArena رو بهعنوان یک سیگنال انسانی معتبر در نظر بگیرید، اما همراه با سایر بنچمارکها و ارزیابیهای تخصصی استفادهشون کنید. پژوهشها هم همین نکته رو نشان دادن و پلتفرم هم روشهای کنترل و بهبود رو دنبال میکنه.
چون LMArena از دو جهت مفیده: اول، تجربهٔ کاربری ساده و مستقیم برای مشاهدهٔ تفاوتِ خروجیِ مدلها در مواجهه با همان ورودی؛ دوم، تولید یک مجموعهٔ دادهٔ باز از ترجیحات انسانی که برای پژوهش و توسعهٔ مدلها حیاتیست. برای توسعهدهندگان، پژوهشگران و حتی مشتریانی که میخوان بفهمن کدوم مدل در سناریوهای واقعی بهتر عمل میکنه، این پلتفرم یک منبع ارزشمنده که ترکیبِ شفافیت، مشارکت عمومی و دادهٔ واقعی رو ارائه میده.