竞技场盲测（Arena）是一种人类偏好评测方式，以LMSYS Chatbot Arena为代表。用户提交一个提示，两个匿名模型（如Model A和Model B）同时回答，用户在不知道模型身份的情况下投票选出更好的回答，系统据此更新Elo评分。 盲测的核心价值是消除品牌偏见——用户不会因"这是GPT-4"或"这是开源模型"而倾向性投票，纯粹基于回答质量评判。这使Arena成为公认最贴近真实使用体验的评测，其排行榜被广泛引用。 Arena的局限在于：用户样本偏技术人群、投票主观、长任务难盲测、可能被刷票。它也衍生出Hard Prompts、Coding、Vision等细分Arena，覆盖不同场景。Arena与自动基准互补，共同构成模型评测体系。