隨著人工智能技術(shù)的飛速發(fā)展，開源大模型在自然語言處理領(lǐng)域的應(yīng)用越來越廣泛。近期，Meta發(fā)布的最新開源大模型Llama-4-Maverick在Chatbot Arena LLM排行榜中的排名一路飆升，一度位居第二。然而，近期的一系列事件引發(fā)了開發(fā)者對Meta刷榜作弊的質(zhì)疑，導(dǎo)致其排名直線下降。
首先，讓我們回顧一下Llama-4-Maverick的基本情況。該模型是Meta推出的最新大模型之一，包含Scout、Maverick和Behemoth三個版本。其中，Llama-4-Maverick在LMArena公布的Chatbot Arena LLM排行榜中排名第二，僅次于Gemini 2.5 Pro。這一表現(xiàn)引起了廣大開發(fā)者的關(guān)注和期待。
然而，隨著開發(fā)者實際使用Llama-4-Maverick開源版的效果陸續(xù)曝光，質(zhì)疑聲也隨之而來。有開發(fā)者發(fā)現(xiàn)，Meta提供給LMArena的Llama-4-Maverick版本與提交給社區(qū)的開源版本不同。這引發(fā)了開發(fā)者對Meta刷榜作弊的質(zhì)疑，導(dǎo)致其口碑急轉(zhuǎn)直下。
面對這一質(zhì)疑，Chatbot Arena官方發(fā)文確認(rèn)了用戶的擔(dān)憂，并考慮更新排行榜。經(jīng)過調(diào)查，他們發(fā)現(xiàn)Meta首次提交給LMArena的Llama-4-Maverick-03-26-Experimental是一個實驗性聊天優(yōu)化版本，當(dāng)時該版本的排名為第二。修正后的模型為HuggingFace開源版同款Llama-4-Maverick-17B-128E-Instruct，是17B激活參數(shù)、128個MoE專家的指令微調(diào)模型。目前，該模型在LMArena的排名為32名，遠(yuǎn)低于其他模型。
那么，為什么Meta的Llama-4-Maverick表現(xiàn)不佳呢？Meta的一位發(fā)言人在回應(yīng)TechCrunch的采訪時表示，該模型是“針對對話性進(jìn)行優(yōu)化”的。這些優(yōu)化在LM Arena上取得了不錯的效果，因為LM Arena的人類評分者會選擇他們更偏好的結(jié)果。然而，在基準(zhǔn)測試中，LM Arena的可靠性一直備受爭議，因為它并不能完全反映模型在實際應(yīng)用中的表現(xiàn)。
值得注意的是，Meta已經(jīng)開始重視這個問題。他們已經(jīng)發(fā)布了開源版本，并表示將期待開發(fā)者的反饋和定制化建議。這種開放的態(tài)度值得贊賞，因為通過與開發(fā)者緊密合作，Meta可以不斷優(yōu)化模型，提高其在不同場景下的表現(xiàn)。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
