新瓜体育游戏app平台，主角是昨天刚刚发布的Meta旗舰大模子——Llama 4。

里面爆料：性能不达标，压力下欲“优化”死一火？

率先引爆究诘的是一篇来自“一亩三分地”论坛的帖子，发帖东说念主自称是参与Llama 4考验的里面职工，并默示已因此离职。

帖子内容信息量很大，主要说了几点：

1. 性能瓶颈： 尽管团队反复发奋考验，Llama 4的里面模子性能恒久无法达到开源SOTA（State-of-the-Art，顶尖水平）基准，差距彰着。2. “弧线救国”政策： 公司教会层提倡，在考验后期，将各式基准测试的“测试集”数据混入考验或微调数据中。这么作念的主见很径直——在各项方针上完了标的，交出一份“看起来很好意思”的收成单3. Deadline压力： 这个“刷分”任务有明确的时代线——4月底。要是届时无法完了标的，后果可能很严重4. 用户反应欠安： Llama 4发布后（帖子发布于模子刚发布时），X和Reddit上已有不少用户反应，本体测试恶果相等厄运5. 学术底线与离职： 发帖东说念主默示，我方有学术配景，无法接收这种“为了达标而混浊测试数据”的作念法，因此提交了离职，并明确要求不要将我方的名字写入Llama 4的工夫陈诉6. 高管动向（帖中说起）： 帖子还提到，Meta的AI副总裁（VP of AI）也因通常原因离职。（博主注：此为帖子片面说法，需堤防分袂）

这篇帖子马上激勉了圈内怜惜，各人齐在究诘这种作念法是否违反了AI研发的基本诚信

这是后续，委果情况还有待于不雅察

外部不雅察：TechCrunch质疑测试版块“误导性”

无独到偶，驰名科技媒体TechCrunch也发文，标题直指Meta新AI模子的性能测试“有点误导东说念主”。

TechCrunch的著述主要聚焦于Llama 4（即Maverick）在有名的东说念主类评估排名榜LM Arena上的弘扬。Maverick如实得到了第二名的好收成，但这背后似乎另有隐情：

1. 版块互异： Meta提交给LM Arena进行测试评估的Maverick版块，和公成就布给成就者使用的版块，可能不是合并个2. 官方标注： Meta在发布公告和Llama官网上其实也提到了这少许。他们明确阐明，用于LM Arena测试的是一个“本质性的聊天版块”，简略标注为“专诚针对对话场景优化的Llama 4 Maverick”3. “为榜单优化”的问题： TechCrunch指出，诚然LM Arena自己并非齐备的评测用具，但当年AI公司频繁不会（至少不公开承认）专诚为了普及榜单排名而特供一个优化版块。Meta此次的作念法，特别于针对基准测试优化了一个版块去打榜，却给成就者提供了未经非常优化的“基础版”4. 误导成就者： 这种操作会让成就者难以把柄榜单排名准确预估模子在我方本体诓骗场景中的委果弘扬。基准测试诚然有局限，但本应提供一个相对刚正的参考5. 行径互异： X平台上的相关东说念主员也发现，公开下载的Maverick版块，和在LM Arena上测试的版块行径如实不同。榜单上的阿谁版块更心爱用色彩标记（emoji），恢复也彰着更啰嗦一些Llama 4的实测

堪称千万高下文的调回率，高下文的本体弘扬，远低于预期

Llama 4 Maverick 在 aider 多讲话编码基准测试中得分为实测仅为 16%

本文开头：AI寒武纪体育游戏app平台，原文标题：《大瓜来了！Llama 4 陷刷榜争议：“里面职工”发帖控诉，测评版块被指特供？》

风险指示及免责条件 市集有风险，投资需严慎。本文不组成个东说念主投资建议，也未推敲到个别用户特地的投资标的、财务情状或需要。用户应试虑本文中的任何见解、不雅点或论断是否适合其特定情状。据此投资，背负自夸。