4查验舞弊爆出惊天丑闻，AI大佬愤而下野，代码实测崩盘全网炸锅 Llama 4翻车激励热议！Meta刚发布了Llama 4，紧接着就有高层请辞。有音信称，经过屡次查验后，Llama 4未能达到顶尖水平，与顶级大模子比较存在显着差距。为了短期内普及标的，高层致使建议在后查验阶段将多个基准测试集混入查验数据中。一位里面职工dliudliu示意无法经受这种作念法七天 探花，并在下野信中明确条款不在Llama 4的技能说明中挂名。
在线播放
同期，扎克伯格给全员下达了死号召，条款4月底前完成Llama 4的请托。在这种高压下，已有高管提议下野。网友Flavio Adamo使用辩论的教导词让Llama 4 Maveric和GPT-4制作旋转多边形动画。成果泄漏，Llama 4生成的多边形不规矩且莫得启齿，小球也不恰当物理轨则。比较之下，GPT-4的动画天然不无缺，但发扬更好。
还有东谈主指出，Llama 4在LMarena上存在过拟合表象，涉嫌舞弊。沃顿商学院锻练Ethan Mollick觉得，每每使用AI模子的东谈主不错折柳出哪些是针对基准测试优化的，哪些是真实的越过。不外七天 探花，另一位里面职工示意并莫得遭遇这种情况，建议让事情发展一段时刻再看。
几位AI参议东谈主员在应对媒体上月旦Meta在其公告中提到的LM Arena上的Maverick是一个“实践性的聊天版块”。在Llama官网的性能对比图中，最底下一转写着“针对对话优化的Llama 4 Maverick”，这让东谈主感到有些以权达变。这种区别对待使建立东谈主员难以准确意料模子在特定高下文中的发扬。AI参议东谈主员发现可公开下载的Maverick与LM Arena上托管的模子在举止上有权贵各异。
据报谈，Llama 4里面查验屡次仍未能达到开源SOTA基准。指令层决定在后查验经由中羼杂各式基准测试集，以盼望在测试中赢得好收货。爆料者可能来自Meta公司里面。此外，Meta AI参议部副总裁Joelle Pineau央求5月底下野，但她方位的FAIR组织本体上与庄重Llama方式的GenAI孤立。GenAI的副总裁Ahmad Al-Dahle并未下野。
Llama 4发布一天后就出现这些负面音信，改日显得扑朔迷离。昨天网友实测时评论辩论不一，但更多测试后，好多网友对Llama 4示意失望。Dr_Karminski发帖称，Llama-4-Maverick（总参数402B）在编码智商方面大要只可与Qwen-QwQ-32B特出，而Llama-4-Scout（总参数109B）概况与Grok-2或Ernie 4.5近似。其他用户也抒发了近似不雅点，觉得Llama 4的发扬不恰当预期。Deedy称Llama 4为“晦气的编程模子”，并指出Scout (109B) 和Maverick (402B)在Kscores基准测试中发扬不如4o、Gemini Flash、Grok 3、DeepSeek V3和Sonnet 3.5/7。网友anton觉得Llama 4令东谈主失望，不适用于扶植编码，建议Meta推出性能优秀的小模子而不是追求成为SOTA。
