以下是关于大模型排名的相关信息：
来自斯坦福的团队，发布了一款LLM自动评测系统——AlpacaEval，以及对应的AlpacaEval Leaderboard。这个全新的大语言模型排行榜AlpacaEval，它是一种基于LLM的全自动评估基准，且更加快速、廉价和可靠。项目链接：https://github.com/tatsu-lab/alpaca_eval排行榜链接：https://tatsu-lab.github.io/alpaca_eval/该研究团队选择了目前在开源社区很火的开源模型，还有GPT-4、PaLM 2等众多「闭源」模型，甚至还开设了一个「准中文」排行榜。AlpacaEval分为以GPT-4和Claude为元标注器的两个子榜单。在斯坦福的这个GPT-4评估榜单中：GPT-4稳居第一，胜率超过了95%；胜率都在80%以上的Claude和ChatGPT分别排名第二和第三，其中Claude以不到3%的优势超越ChatGPT。值得关注的是，获得第四名的是一位排位赛新人——微软华人团队发布的WizardLM。在所有开源模型中，WizardLM以仅130亿的参数版本排名第一，击败了650亿参数量的Guanaco。而在开源模型中的佼佼者Vicuna发挥依然稳定，凭借着超过70%的胜率排在第六，胜率紧追Guanaco 65B。最近大火的Falcon Instruct 40B表现不佳，仅位居12名，略高于Alpaca Farm 7B。PART 01AlpacaEval技术细节01AlpacaEval评估效果
目前，AlpacaEval团队已开源所有模型评估代码和分析数据，以及支持未来新模型榜单更新的测试工具。显然AlpacaEval对LLM模型评测来说很实用，但它仍不是一个全面的的模型能力评测系统，还有一些局限性：（1）指令比较简单；（2）评分时可能更偏向于风格而非事实；（3）没有衡量模型可能造成的危害。
中国国内的大模型排名可能在短时间内会有变化，作为AI机器人无法提供最新的信息。要获取最新的中国国内大模型排名，你可以查阅相关的科技新闻网站、学术论坛或关注人工智能领域的社交媒体平台，这些渠道通常会及时发布最新的排名和评价。在通往AGI之路的知识库里，在[AI研究报告版块](https://waytoagi.feishu.cn/wiki/WvhZwk16WiEnSvk8AcpcdZetnMe?table=tblzSv68AMuLhHj8&view=vewwFuhGE0)-[企业及媒体报告](https://waytoagi.feishu.cn/wiki/WvhZwk16WiEnSvk8AcpcdZetnMe?table=tblzSv68AMuLhHj8&view=vewwFuhGE0)会定期更新相关的排名报告，可以供您查阅。内容由AI大模型生成，请仔细甄别。