X 热议某模型成绩争议:3B 开源放大到 ~60B 就能解释,无需怀疑作弊
RexDouglass · x · 2026-11-17
围绕某模型 benchmark 成绩是否作弊的讨论中,jonaskreutz01 认为该模型的表现与把 3B 开源模型扩展到约 60B 并改进数据后的预期一致,没有理由怀疑作弊。RexDouglass 回应:若厂商用私有 benchmark 报成绩,应公开链接;若是商用端点,「whatever works」——但同时应区分两件事:区分人类/AI 文本(面向未来)与识别 2020 年前的文本(后者取决于其索引了多少历史语料,容易得多)。bengolub 补充称这与记忆某个「2020 年前」的魔法特征相去甚远,并调侃如果 Bender 和 Gebru 这么说话,讨论会完全不同。
「模型」频道最新
- 让 ChatGPT 和 Claude 扮演 NeurIPS 审稿人,AI 论文被拒 — burny_tech · 2026-11-17
- 医生吐槽 OpenEvidence 宣称「降低全因死亡率」:这种话别乱说 — EricTopol · 2026-11-17
- wojak-bench 走红:让 AI 照图纸做手办再盲投票排名 — osanseviero · 2026-11-17
- Zvi 长文评 Claude Fable 5.2:日常够用,难任务才是「火箭筒」 — TheZvi · 2026-11-17
- 用户切换 AI 模型有多快?LukeW 再添一个数据点 — LukeW · 2026-11-17
- Gemini 4 Neon 与 Oxygen 版本接连现身,距 Hydrogen/Carbon 发布仅数日 — gaganghotra_ · 2026-11-17