近日，科技界掀起了一场关于meta公司最新发布的大语言模型Llama 4的风波。Llama 4系列，包括Scout与Maverick两个版本，本应成为meta在人工智能领域的又一力作，然而，一则指控其模型训练过程中存在作弊行为的爆料，迅速在网络上发酵。
在一则发布于海外知名留学求职论坛“一亩三分地”的帖子中，一位自称参与Llama 4训练的内部员工揭露了惊人内幕。据该员工透露，Llama 4的内部测试表现始终未能达到业界开源的顶尖水平（SOTA）基准。面对这一困境，公司领导层竟决定采取非常手段，即在训练的后期阶段，将用于评估模型性能的基准测试“测试集”数据，悄悄混入了训练或微调的数据集中，以期在最终的性能测试中交出一份光鲜亮丽的成绩单。
这一爆料迅速引起了科技界的广泛关注。知名科技媒体TechCrunch也发表文章，对Llama 4的性能测试提出了质疑，认为其可能存在误导性。文章指出，如果meta确实在测试集上进行了预训练，那么Llama 4所展示的性能数据将大打折扣，其真实能力远未达到宣传所宣称的高度。
面对舆论的汹涌波涛，meta AI部门的副总裁Ahmad Al-Dahle于4月8日凌晨紧急发表声明进行回应。他在声明中强调，Llama 4的发布是基于其准备就绪的原则，因此，在不同服务中模型的质量存在差异是在所难免的。meta正在积极努力修复这些漏洞，并承诺将尽快提升模型性能。同时，他坚决否认了meta在测试集上进行预训练的说法，表示meta始终秉持诚信原则，致力于推动人工智能技术的健康发展。
然而，尽管meta方面已经做出了回应，但这场风波的影响似乎并未就此平息。许多业内人士和网友对meta的解释持怀疑态度，认为其未能充分证明Llama 4的性能数据真实无误。这场关于Llama 4的争议，无疑给meta的人工智能战略蒙上了一层阴影，也再次引发了人们对于人工智能技术评估体系透明度和公正性的深思。
随着事件的进一步发展，人们期待着meta能够拿出更有力的证据来证明自己的清白，同时也希望整个科技界能够以此为契机，加强对于人工智能技术评估体系的监管和完善，确保人工智能技术的健康、可持续发展。
