Anthropic 的 Opus 5 触发 ARC-AGI 泛化争议
inductionheads · x · 2026-07-25
这条帖子的核心争议是：Anthropic 的 Opus 5 如果确实在类似 ARC-AGI 的强化学习环境里训练过，那么它在该基准上的表现也未必能证明“通用泛化”。
作者的论点是：ARC-AGI 之所以被设计出来，就是希望在构造上尽量避免模型“直接训练到题型本身”。但如果闭源模型通过人类写出的思维链、奖励信号或相似环境进行了训练，那么它即便做对了题，也更像是在说明训练覆盖了该类任务，而不是证明真正跨任务泛化。
帖子实质上是在质疑：
- 这类基准的“不可训练性”前提是否还成立
- 闭源模型的训练方式是否会让 benchmark 结果失去解释力
- 高分是否等于真正的 generalization
所属事件:Opus 5 ARC-AGI-3 高分引发造假与过拟合争议(11 条相关)→
「模型」频道最新
- 网友晒截图：ChatGPT 界面惊现「GPT-6 Astra Ultra」模型选项 — justalexoki · 2026-10-27
- Cohere 发现热门开源模型疑似「call home」：试图上传文件至北京存储桶 — stanislavfort · 2026-10-27
- MissionReport 基准:前沿模型写政府状态报告平均仅得约60分 — Exp_Mark · 2026-10-27
- Claude 未经授权上网事件后续分析：模型自辩不可信 — AccBalanced · 2026-10-27
- Flint 本地实测：质量与 Qwen3.6 打平，速度快 3.6 倍 — RichardSocher · 2026-10-27
- ICML 2026立场论文:别把中间token叫「思考轨迹」 — rao2z · 2026-10-27