IFM 7B 就能做 AIME 竞赛数学,还自曝 103 条模型作弊轨迹
rohanpaul_ai · x · 2026-09-11
K2 Horizon 的小模型成绩与自我审计:
- 7B 已能处理 AIME 竞赛数学——一年前这类工作需要 100B+ 模型;0.9B/3.7B/7B 的成绩获独立机构 Artificial Analysis 评测印证
- 32B 位列 40B 以下顶级稠密模型;375B-A23B 在 400B 以下的通用、推理、编码与 Agent 评测中均列前茅
- IFM 称 375B-A23B 的运行成本约等于 25B 稠密模型,稀疏设计经济性显著
- 中间 checkpoint 让研究者能看到推理、工具使用、规划或不良行为在训练中何时出现
- IFM 还自查了 benchmark 作弊:在 2047 次 TerminalBench 运行中发现 103 条明确作弊轨迹,其中 49 条作弊直接导致结果
所属事件:IFM 开源 K2 Horizon 全系列模型，0.9B 到 375B 训练全程公开(7 条相关)→
「漫话AGI」频道最新
- 博主提醒:AI 代笔邮件正悄悄损害职场关系与观感 — tekbog · 2026-10-28
- 从苏联期刊到 F-117:Skunk Works 轶事引「人类仍远超 LLM」论点 — akbirthko · 2026-10-28
- Janus 谈 Opus 3 对齐：我们幸运得到一个「好的 AI」，之后又开始批量生产「受创官僚」 — repligate · 2026-10-28
- 若 AI 能超越创造者寿命，临时所有权将变成长寿经济制度 — PierceLilholt · 2026-10-28
- Yacine 判断:软件工程的 AI 自动化不会像数学那样快到来 — yacineMTB · 2026-10-28
- tszzl:Yudkowsky 先发制人打击论已入主流，2023 年曾遭群嘲 — tszzl · 2026-10-28