近期，有关meta公司新推出的AI模型Llama 4 Maverick和Llama 4 Scout的争议在网络上持续发酵。传闻称，meta在模型训练中采取了不当手段，通过在基准测试的“测试集”上进一步训练以提升成绩，并掩盖了模型的某些不足。
面对这一传言，meta公司生成式人工智能领域的负责人艾哈迈德・阿尔・达赫勒迅速在社交平台X上做出了回应。他坚决否认了这一指控，表示该说法“毫无根据”。阿尔・达赫勒的及时澄清，为这场风波带来了一丝平息的气息。
在人工智能领域，测试集扮演着评估模型性能的重要角色。它应当独立于训练集之外，以确保模型的真实能力得到客观反映。如果模型在测试集上进行训练，那么基准测试分数很可能会被人为地抬高，导致模型的实际表现被夸大。
然而，Maverick和Scout在某些任务上的不尽如人意，以及meta在基准测试平台LM Arena上使用未发布的实验版本Maverick以获得更好成绩的决定，都为这一传言提供了滋生的土壤。研究人员发现，公开下载的Maverick与LM Arena上托管的模型在行为上存在显著差异。
针对这些质疑，阿尔・达赫勒坦承，用户在使用不同云服务提供商提供的Maverick和Scout模型时，确实遇到了“质量不一”的问题。他解释说，由于公司在模型完成后立即进行了发布，因此预计需要几天的时间来确保所有公开的实现版本都达到最佳状态。他承诺，meta将继续进行错误修复，并与合作伙伴紧密合作，以解决这些问题。
这一系列事件不仅引发了公众对meta公司AI模型真实性能的担忧，也再次凸显了人工智能领域透明度和诚信的重要性。对于meta而言，如何有效应对这些质疑，重建公众信任，将是未来一段时间内的重要挑战。
