Arena udostępnia na otwartej licencji dwa zbiory danych do tworzenia aplikacji internetowych z badania Interaction-as-a-Judge

Arena udostępnia dwa zbiory danych: ArenaWebdevPreferences, obejmujący 6390 par aplikacji z etykietami ludzkich preferencji, oraz ArenaWebdevCorrectness, zawierający 189 wersji gier i 362 wymagania zweryfikowane przez ludzi.

Zbiory pochodzą z badania Arena Interaction-as-a-Judge. Arena podaje następujące wyniki:

• Agenci korzystający z komputera, którzy wchodzą w interakcję z aplikacją, wykrywają więcej błędów niż sędziowie oceniający wyłącznie kod: 71,1% wobec 63,0%.
• Wykorzystanie tej metody jako nagrody w uczeniu ze wzmocnieniem podnosi współczynnik zwycięstw Qwen-3.5-9B o 6,7 punktu, czyli o około 50 punktów Arena.
• Iteracyjne naprawianie usuwa błędy w 75,5% niespełnionych wymagań, wobec 55,4% przy ocenie wyłącznie kodu.

To dane podane przez samą Arenę.