Llama 4爆料大反转，没在测试集上训练！华人员工实名辟谣，LeCun出面救火

主要观点总结

近日关于Meta Llama 4的『训练作弊』引发广泛关注。Meta及旗下科学家迅速回应辟谣，而Llama 4在实际表现中受到诸多批评。传闻与实际情况引发众多反转。此外，有关模型开源、测试集训练等问题也引发争议。同时，业界对Llama 4的设计提出质疑，认为其复杂架构与开发者需求不符。

关键观点总结

关键观点1: 关于Llama 4的『训练作弊』传闻与回应

自称是Meta内部员工的爆料引发全网关注，随后Meta研究科学家主管Licheng Yu实名辟谣，团队未针对测试集过拟合训练。此外，其他Meta科学家也参与辟谣并指出爆料者的破绽。Meta GenAI副总裁兼负责人Ahmad Al-Dahle澄清模型质量差异及测试集使用问题。

关键观点2: Llama 4的实际表现与争议

Llama 4在实际测试中表现不佳，在aider多语言编程基准测试中仅获得16%成绩。与GPT-4o等模型相比，存在明显差距。此外，还有关于模型提交时是否存在优化未明确说明的争议。

关键观点3: 关于排行榜和模型的公开数据

lmarena.ai团队公开了模型对战数据，并指责Meta在提交模型时未明确说明优化情况。为了平息争议，团队公开了对战数据，并计划尽快更新榜单结果。

关键观点4: 业界对Llama 4设计的质疑

业界对Llama 4的设计提出质疑，认为其复杂架构和庞大参数规模与开发者需求不符。相比之下，其他模型如Qwen 2.5提供了更贴近开源标杆的设计。