Llama 4 发布 36 小时差评如潮!匿名员工爆料拒绝署名技术报告

Meta 最新基础模型 Llama 4 发布 36 小时后,评论区居然是这个画风:

失望,非常失望

不知道他们后训练怎么搞的,总之不太行

在 [各种测试]2 中失败

......

还被做成表情包调侃,总结起来就是一个 "差评如潮"。

具体来看,大家的抱怨主要集中在代码能力。

最直观的要数经典 "氛围编程" 小球反弹测试,小球直接穿过墙壁掉下去了。

反映在榜单上,成绩也相当割裂。

发布时的官方测评(LiveCodeBench)分数和在大模型竞技场表现明明都很不错。

但到了各种第三方基准测试中,情况大多直接逆转,排名末尾。

让人不由得怀疑,这个竞技场排名到底是数据过拟合,还是刷票了。

就在 Llama 4 即将发布前几天,Meta AI 研究主管 Joelle Pineau 在工作 8 年之后突然宣布离职,总之就是不太妙。

Llama 4 怎么了?

大模型关注者们火热实测吐槽之际,一则有关 Llama 4 的匿名爆料,突然引起轩然大波:

有网友称自己已向 Meta GenAI 部门提交提交辞职,并要求不要署名在 Llama 4 的技术报告上。

原贴发布在海外留学求职交流平台一亩三分地,在国内也引起很多讨论。

此爆料尚未得到证实,但有人搬出 Meta GenAI 负责人 Ahmad Al-Dahle 的帖子,至少能看出在 Llama 4 大模型竞技场里运行的是特殊版本模型。

还有 Meta 前员工借此话题贴出 2024 年 11 月的一项研究,指出从 Llama 1 开始数据泄露的问题就存在了。

也不只是编程能力一个方面有问题,在 EQBench 测评基准的的长文章写作榜中,Llama 4 系列也直接垫底。

榜单维护者_sqrkl 说明了具体情况。

测试非常简单,模型需要先完成一个短篇小说的头脑风暴、反思并修改写作计划,最终每轮写 1000 字,重复 8 轮以上。

由 Claude-Sonnet 3.7 来当裁判,先对每个章节单独打分,再对整个作品打分。

Llama 4 的低分表现在写到后面开始大段的内容重复,以及写作非常公式化。

对此结果,有一个猜想是之前的版权诉讼让 Meta 删除了网络和书籍数据,使用了更多的合成数据。

在这场诉讼中,许多作家发现自己的作品可能被用于 AI 训练,还到伦敦的 Meta 办公室附近发起抗议。

Llama 4 发布后的种种,让人联想到年初的匿名员工爆,有网友表示当初只是随便看看,现在却开始相信了:

在这条爆料中,Deepseek v3 出来之后,训练中的 Llama4 就显得落后了,中层管理的薪水都比 DeepSeek V3 的训练成本都高,Meta 内部陷入恐慌模式。

让人不由得感叹,DeepSeel-R1 横空出世仅仅两个月时间,却像过了几辈子。

参考链接:

1\][www.reddit.com/r/LocalLLaM...](https://link.juejin.cn?target=https%3A%2F%2Fwww.reddit.com%2Fr%2FLocalLLaMA%2Fcomments%2F1jt7hlc%2Fmetas_llama_4_fell_short%2F "https://www.reddit.com/r/LocalLLaMA/comments/1jt7hlc/metas_llama_4_fell_short/") \[2\][www.1point3acres.com/bbs/thread-...](https://link.juejin.cn?target=https%3A%2F%2Fwww.1point3acres.com%2Fbbs%2Fthread-1122600-1-1.html "https://www.1point3acres.com/bbs/thread-1122600-1-1.html") \[3\][x.com/suchenzang/...](https://link.juejin.cn?target=https%3A%2F%2Fx.com%2Fsuchenzang%2Fstatus%2F1909070231517143509 "https://x.com/suchenzang/status/1909070231517143509") [x.com/TheAhmadOsm...](https://link.juejin.cn?target=https%3A%2F%2Fx.com%2FTheAhmadOsman%2Fstatus%2F1908833792111906894 "https://x.com/TheAhmadOsman/status/1908833792111906894") **欢迎在评论区留下你的想法!** --- **完** ---

相关推荐
白熊1881 小时前
【大模型LLM】梯度累积(Gradient Accumulation)原理详解
人工智能·大模型·llm
愚戏师1 小时前
机器学习(重学版)基础篇(算法与模型一)
人工智能·算法·机器学习
F_D_Z2 小时前
【PyTorch】图像多分类项目部署
人工智能·pytorch·python·深度学习·分类
音视频牛哥4 小时前
打通视频到AI的第一公里:轻量RTSP服务如何重塑边缘感知入口?
人工智能·计算机视觉·音视频·大牛直播sdk·机器视觉·轻量级rtsp服务·ai人工智能
Wendy14415 小时前
【灰度实验】——图像预处理(OpenCV)
人工智能·opencv·计算机视觉
中杯可乐多加冰5 小时前
五大低代码平台横向深度测评:smardaten 2.0领衔AI原型设计
人工智能
无线图像传输研究探索5 小时前
单兵图传终端:移动场景中的 “实时感知神经”
网络·人工智能·5g·无线图传·5g单兵图传
zzywxc7876 小时前
AI在编程、测试、数据分析等领域的前沿应用(技术报告)
人工智能·深度学习·机器学习·数据挖掘·数据分析·自动化·ai编程
铭keny7 小时前
YOLOv8 基于RTSP流目标检测
人工智能·yolo·目标检测
墨尘游子7 小时前
11-大语言模型—Transformer 盖楼,BERT 装修,RoBERTa 直接 “拎包入住”|预训练白话指南
人工智能·语言模型·自然语言处理