韦德体育 -最新大模型被质疑训练“刷分”，Meta承认有漏洞但否认作弊—新闻—科学网

?

科技巨头Meta回应了对于公司最新开源AI（人工智能）模子Llama 4的质疑，否定该模子于练习集中做弊“刷分”。

本地时间4月7日，Meta的天生式AI卖力人Ahmad Al-Dahle于社交平台上发布了一篇长文，回应了对于在Llama 4的质疑。Ahmad暗示，因为Llama 4刚开发完就迅速发布，以是模子“于差别办事中体现出了乱七八糟的质量”，公司会尽快修复缝隙。同时，Ahmad否定了Llama 4于练习集中做弊“刷分”的说法。

两天前，4月5日，Meta推出了旗下最受接待的模子系列Llama的最新一代模子，包括较小模子Scout及尺度模子Maverick这两个版本。此外，Meta还有展示了被称为“迄今最强盛、最智能”的模子Llama 4 Behemoth的预览。

据先容，Llama 4模子是Llama系列模子中首批采用混淆专家（MoE）架构的模子，于多模态机能上体现出众。此中，开始进的Llama 4 Behemoth的总参数高达2万亿，担任了其他模子的“教员”；Scout及Maverick的活跃参数目为170亿，Scout重要面向文档择要与年夜型代码库推理使命，Maverick则专注在多模态能力。

?

作为原生多模态模子，Llama 4采用了初期交融（Early Fusion）的技能，经由过程利用年夜量无标签文本、图片及视频数据一路来预练习模子，将文本及视觉token无缝整合到同一的模子框架中。此外，Llama 4于长文本能力上也取患了冲破，Scout模子撑持高达1000万token的上下文窗口，Maverick模子则撑持100万token的上下文窗口。

不外，Llama 4一经发布就受到了质疑。Meta的发布界面显示，于评估代码能力的LiveCodeBench测试集及年夜模子竞技场（Chatbot Arena）中，Scout及Maverick都体现患上很不错。但很多开发者发明，这些模子于小型基准测试中的体现使人掉望。

例如，有网友指出，于一项让模子完成225项编程使命的名为aider polyglot的基准测试中，Llama 4 Maverick只取患了16%的成就，远低在Gemini 2.5 Pro、Claude 3.7 Sonnet及DeepSeek -V3等范围相近的旧模子。

?

AI工程师及技能作家Andriy Burkov则于社交平台X上指出，Meta称Llama 4 Scout拥有1000万token的上下文窗口，而这实在是一个“伪命题”：“现实上，不会有任何模子针对于跨越256000个token的提醒词举行练习。假如你向它发送这么多token，于年夜大都时辰只会获得低质量的输出。”

对于在Llama 4使人掉望的体现，一些开发者最先思疑，为了于测试集中取患上更好的成就，Meta为这些测试集建造了“特供版”Llama 4。例如，前Meta研究员、现任AI2（艾伦人工智能研究所）的高级研究员Nathan Lambert于颠末比力测试后指出，于年夜模子竞技场中取患上成就的Llama 4 Maverick与该公司公然发布的版本差别，前者是“于对于话性长进行了优化”的版本。

此外，就于Llama 4发布的头几天，于Meta事情了8年的AI研究主管Joelle Pineau公布去职。接洽到Llama 4的体现，越发深了网友对于在Llama 4“暗箱操作”的质疑。而于海内社交平台上，也有自称为Meta内部员工的网友称“Llama 4的练习存于严峻问题”，本身已经经向公司提交了去职申请，AI研究主管的卸任也是出在同种缘故原由。

这位网友暗示：“颠末重复练习，实在内部模子的体现依然未能到达开源SOTA（指于研究使命中体现最佳的模子），甚至与之相差甚远。公司带领层建议将各个benchmark（基准）的测试集混淆于postbevictor伟德官网-training（后练习）历程中，目的是但愿可以或许于各项指标上交差，拿出一个‘看起来可以’的成果。”

可以必定的是，Llama 4的初始发布并无给AI社区带来巨年夜的踊跃回声。今朝，面临前进迅速的中国AI模子，Meta急在稳住Llama系列于开源范畴的领先职位地方。本年2月，阿里通义千问（Qwen）系列模子的下载量已经经到达了1.8亿，累计衍生模子总数到达9万个，衍生模子数逾越Meta的Llama系列，成了全世界第一年夜开源模子系列。

7日当天，Meta（Nasdaq：META）股价涨2.28%，收在每一股516.25美元，总市值1.31万亿美元。

了解更多 :