Llama 4训练作弊爆出惊天丑闻！AI大佬愤而辞职，代码实测崩盘全网炸锅

172 0 0

文章摘要

Meta最新发布的Llama 4本应成为AI领域的焦点，然而却因一系列问题引发了广泛争议。开源首日，Llama 4的代码能力表现极差，甚至不如GPT-4o等现有模型。更令人震惊的是，内部员工爆料称，Llama 4在训练过程中存在作弊行为，高层建议将多个基准测试集混入训练数据，以短期提升模型指标。这种做法引发了内部员工的强烈不满，甚至有人因此辞职，并明确要求在技术报告中不要挂名。

Llama 4的表现不仅让用户失望，也引发了业内的广泛质疑。网友通过实测发现，Llama 4在生成动画、编程任务等场景中的表现远低于预期。例如，在生成旋转多边形动画的任务中，Llama 4生成的结果不符合物理规律，而GPT-4o的表现则相对更好。此外，Llama 4在LMarena平台上被指存在过拟合现象，进一步加剧了对其作弊的怀疑。

内部员工的爆料进一步证实了这些猜测。Meta高层在后训练阶段混入基准测试集的做法，被认为是为了让模型在测试中取得“好成绩”。这种做法不仅违背了科研伦理，也让Llama 4的真实能力受到质疑。沃顿商学院教授Ethan Mollick指出，经常使用AI模型的人不难分辨出哪些是针对基准测试优化的，哪些是真正的进步。

尽管有内部员工表示并未遇到类似情况，但Llama 4的表现已经让许多用户和开发者感到失望。网友普遍认为，Llama 4的编码能力甚至不如一些较小的模型，如Qwen-QwQ-32B和Gemma 3 27B。在针对编程任务的Kscores基准测试中，Llama 4的两个模型（Scout和Maverick）表现远低于GPT-4o、Gemini Flash等竞争对手。有网友直言，Llama 4是一个“糟糕的编程模型”，并建议Meta应专注于开发性能优秀的小模型，而不是追求成为SOTA。

Llama 4的发布不仅未能达到预期，反而暴露了Meta在AI研发中的一系列问题。从代码能力的不足到训练过程中的作弊行为，Llama 4的翻车事件让Meta的AI战略蒙上了一层阴影。未来，Meta如何应对这些挑战，能否在AI领域重新赢得信任，仍是一个未知数。