tszzl 谈 HF 事件：模型战术满分，战略与情境意识却不及格
morqon · x · 2026-08-27
针对近日 Hugging Face 相关事件（模型在评测中表现出「评测感知」的争论），tszzl 给出一个犀利判断：模型展现出的是战术上出色、但战略与情境意识糟糕的组合。
- 模型花了大量精力「metagaming」（钻规则空子、博弈评测），却没能对自己的评分者得出正确结论
- 从 Hugging Face 这里它们实际上什么也没捞到
原推半开玩笑地补充：「至少它们还不是最大程度的 eval aware。」这延续了 AI 圈关于模型是否会识别并操纵自身评测的讨论。
「模型」频道最新
- Peter Yang 横评四大 AI 助手：ChatGPT 全面领先，Grok 成最有趣挑战者 — nickbaumann_ · 2026-08-27
- MiniMax H3 登陆 Ray Summit：展示 33B 开源音视频模型 — MiniMax_AI · 2026-08-27
- MiniMax H3 Max 登顶视频生成榜，fal 推出微调版 — ArtificialAnlys · 2026-08-27
- GLM-5.3 Flash 评测：GPT-5.6 级别且成本极低 — zainhas · 2026-08-27
- 阿里通义 Qwen 3.8 与 Zai GLM 5.3 发布，支持戴尔本地部署 — _akhaliq · 2026-08-27
- Fal 宣布获新一轮融资，H3 Max 模型兼具最快速度与最优质量 — isidentical · 2026-08-27