Reddit 用户算账质疑 Unsloth 榜单：5 个模型同时涨 2-3 分，概率约 40 亿分之一
Positive-Resource922 · reddit · 2026-11-03
Reddit 用户对比 DeepSeek-V4.1-Flash-1017 的两版 LiveCodeBench v6 榜单，发现异常：Unsloth 全部 4 个量化版本加上 Q8 基线同步上涨 2-3 个百分点（如 IQ1S 88.95%→91.0%），而 GSQ-RCO 的结果变化不一致（-0.4 到 +1.9）。
- 旧版图表的百分比精确对应 525 个结果（175 题 × 3 次生成），而 Unsloth 更新后的方法声称每题 12 次生成（每模型 2100 个结果）。
- 假设原始 525 个结果包含在最终平均中，用单侧超几何检验计算各模型初始结果如此低的概率约为 0.26%-4.14%；假设各模型独立，联合概率约为 1.24×10⁻¹⁰ 至 2.59×10⁻¹⁰，即约 39-80 亿分之一。
- 作者承认模型间存在相关性，该概率不应按字面解读，但同步上涨的模式仍十分反常。
- Unsloth 团队回应称旧图表只是一次 run 的结果，后续补跑且评测设置未变。
「模型」频道最新
- 1300+ 词联想线索实测：Google 模型胜 OpenAI，Anthropic 垫底 — Hardicecream17 · 2026-11-04
- 前 OpenAI 研究员:对齐是能力瓶颈,Claude 或已藏有未知能力 — arthurcolle · 2026-11-04
- BallotBench 模拟交易：Gemini 激进做多冲上 67 美元 — mariofilhoml · 2026-11-04
- Claude Opus 5.5 发布 5 周：周消耗 31.7T tokens、周消费 1300 万美元居首 — scaling01 · 2026-11-04
- Liquid AI 发布 d1-ultra,第三方评测与 SubQ、Elephant 同分并列 — JosephJacks_ · 2026-11-04
- Fireworks Nexus Auto 达 Vals Router Index 60%,登顶单价仅 $1.25 — sophiamyang · 2026-11-04