Meta的AI模型基準：誤導性？
因此，梅塔（Meta）在周末放棄了他們的新AI模特Maverick，並且已經在LM Arena上搶購第二名的人已經引起了轟動。您知道，這是人類可以扮演法官和陪審團的地方，比較不同的AI模型並選擇他們的收藏夾。但是，抓住，有一個轉折！事實證明，Maverick版本在LM Arena上構成其內容並不與您可以下載並與開發人員一起播放的版本完全相同。
X上的一些鷹眼的AI研究人員（是的，以前稱為Twitter的平台）發現Meta將LM Arena版本稱為“實驗性聊天版本”。而且，如果您瀏覽Llama網站，則有一張圖表灑了豆子，稱測試是通過“ Llama 4 Maverick進行了優化的對話性”進行的。現在，我們之前已經討論過這個問題，但是LM Arena並不是測量AI性能的金標準。大多數AI公司不會只是為了在此測試中得分更好，或者至少他們不承認自己的模型。
問題是，當您調整模型以ace的基準測試，然後向公眾發布不同的“香草”版本時，開發人員很難弄清楚該模型在現實世界中的實際表現如何。另外，這有點具有誤導性，對嗎？基準，因為它們是有缺陷的，應該讓我們清楚地了解模型可以和在不同任務中無法做的事情。
X上的研究人員很快就會注意到您可以下載的特立獨行者與LM競技場上的研究人員之間存在一些巨大差異。競技場版本顯然是關於表情符號的，並且喜歡給您漫長的，吸引人的答案。
好的駱駝4是一個煮熟的大聲笑，這個Yap City pic.twitter.com/y3gvhbvz65
- 內森·蘭伯特（@natolambert） 2025年4月6日
由於某種原因，競技場中的Llama 4模型使用了更多的表情符號
一起。 AI，看起來更好： pic.twitter.com/f74odx4ztt
- 技術開發筆記（@TechDevnotes） 2025年4月6日
我們已經與Meta和經營LM Arena的Chatbot Arena的人們聯繫，以了解他們對所有這一切的看法。敬請關注！
相關文章
Meta AI在歐盟推出並實施限制
Meta 的由人工智能驱动的虛擬助手 Meta AI，終於在歐洲聯盟登陸，這是在與歐洲隱私當局的激烈規管爭議中實現的。該公司在星期四宣布，這個類似聊天機器人的工具將整合到其社交平台套件中，不過其功能比美國市場上的版本更加有限。在另一項發展中，Meta 向 TechCrunch 確認，Meta AI 即將在英國的 WhatsApp 上推出，從最初於去年十月在
OpenAI 聘請前Facebook應用程式負責人
菲吉·西莫加入OpenAI担任应用程序业务主管OpenAI通过聘请现任Instacart首席执行官兼前Facebook应用程序负责人菲吉·西莫来领导其应用程序业务，引起了广泛关注。这一任命直接来自高层，OpenAI首席执行官山姆·阿尔特曼在X上分享道，这个新职位将使他能够更多地关注研究、计算和安全性。显然，他们正在为应用程序领域的某些令人兴奋的发展奠定基础！
Meta預測到2035年生成性AI收入將達1.4萬億美元
去年，Meta大膽預測其生成式AI產品到2025年將產生20億至30億美元的收入。展望更遠的未來，他們預計到2035年將增長到驚人的4600億至1.4兆美元之間。這些預測是在週三浮出水面的法庭文件中揭示的，當時正值書籍作者對Meta提起訴訟。他們指控該公司未經許可就用他們的作品訓練AI。然而，文件並未具體說明Meta將何謂“生成式AI產品”。不過，眾所周知，
評論 (35)
0/200
![JerryGonzalez]()
JerryGonzalez
2025-04-10 08:00:00
Meta's AI model benchmarks seem a bit off to me. Maverick got second place, but I've used it and it's not that great. The interface is clunky and the results are hit or miss. Maybe they're just trying to hype it up? I'd give it a pass for now.
0
![CarlKing]()
CarlKing
2025-04-10 08:00:00
MetaのAIモデルのベンチマークは私には少しおかしいように感じます。Maverickは2位を獲得しましたが、使ってみた感じではそれほど良くありません。インターフェースがぎこちなく、結果も当たり外れがあります。もしかしたら、ただ盛り上げようとしているだけかもしれませんね。今はパスしておきます。
0
![SamuelEvans]()
SamuelEvans
2025-04-10 08:00:00
Meta의 AI 모델 벤치마크가 내겐 좀 이상해 보여. Maverick이 2위를 했지만, 써보니 그리 대단하지 않아. 인터페이스가 어색하고 결과도 들쑥날쑥해. 어쩌면 그냥 과대광고하려고 하는 건지도 몰라. 지금은 패스할게.
0
![BenWalker]()
BenWalker
2025-04-10 08:00:00
Os benchmarks do modelo de IA da Meta parecem um pouco estranhos para mim. O Maverick ficou em segundo lugar, mas eu usei e não é tão bom assim. A interface é desajeitada e os resultados são inconsistentes. Talvez eles estejam apenas tentando criar hype? Eu passaria por agora.
0
![RobertLewis]()
RobertLewis
2025-04-10 08:00:00
Los benchmarks del modelo de IA de Meta me parecen un poco extraños. Maverick quedó en segundo lugar, pero lo he usado y no es tan bueno. La interfaz es torpe y los resultados son inconsistentes. ¿Quizás solo están tratando de generar hype? Por ahora, lo dejaría pasar.
0
![KevinBaker]()
KevinBaker
2025-04-12 08:00:00
I tried Meta's Maverick and it's pretty good, but those benchmarks seem a bit off to me. It's not as smooth as they claim, and sometimes it's just plain wrong. I'm not sure if it's worth the hype. Maybe they need to tweak their testing methods?
0
因此，梅塔（Meta）在周末放棄了他們的新AI模特Maverick，並且已經在LM Arena上搶購第二名的人已經引起了轟動。您知道，這是人類可以扮演法官和陪審團的地方，比較不同的AI模型並選擇他們的收藏夾。但是，抓住，有一個轉折！事實證明，Maverick版本在LM Arena上構成其內容並不與您可以下載並與開發人員一起播放的版本完全相同。
X上的一些鷹眼的AI研究人員（是的，以前稱為Twitter的平台）發現Meta將LM Arena版本稱為“實驗性聊天版本”。而且，如果您瀏覽Llama網站，則有一張圖表灑了豆子，稱測試是通過“ Llama 4 Maverick進行了優化的對話性”進行的。現在，我們之前已經討論過這個問題，但是LM Arena並不是測量AI性能的金標準。大多數AI公司不會只是為了在此測試中得分更好，或者至少他們不承認自己的模型。
問題是，當您調整模型以ace的基準測試，然後向公眾發布不同的“香草”版本時，開發人員很難弄清楚該模型在現實世界中的實際表現如何。另外，這有點具有誤導性，對嗎？基準，因為它們是有缺陷的，應該讓我們清楚地了解模型可以和在不同任務中無法做的事情。
X上的研究人員很快就會注意到您可以下載的特立獨行者與LM競技場上的研究人員之間存在一些巨大差異。競技場版本顯然是關於表情符號的，並且喜歡給您漫長的，吸引人的答案。
好的駱駝4是一個煮熟的大聲笑，這個Yap City pic.twitter.com/y3gvhbvz65
- 內森·蘭伯特（@natolambert） 2025年4月6日
由於某種原因，競技場中的Llama 4模型使用了更多的表情符號
- 技術開發筆記（@TechDevnotes） 2025年4月6日
一起。 AI，看起來更好： pic.twitter.com/f74odx4ztt
我們已經與Meta和經營LM Arena的Chatbot Arena的人們聯繫，以了解他們對所有這一切的看法。敬請關注！
Meta AI在歐盟推出並實施限制
Meta 的由人工智能驱动的虛擬助手 Meta AI，終於在歐洲聯盟登陸，這是在與歐洲隱私當局的激烈規管爭議中實現的。該公司在星期四宣布，這個類似聊天機器人的工具將整合到其社交平台套件中，不過其功能比美國市場上的版本更加有限。在另一項發展中，Meta 向 TechCrunch 確認，Meta AI 即將在英國的 WhatsApp 上推出，從最初於去年十月在
OpenAI 聘請前Facebook應用程式負責人
菲吉·西莫加入OpenAI担任应用程序业务主管OpenAI通过聘请现任Instacart首席执行官兼前Facebook应用程序负责人菲吉·西莫来领导其应用程序业务，引起了广泛关注。这一任命直接来自高层，OpenAI首席执行官山姆·阿尔特曼在X上分享道，这个新职位将使他能够更多地关注研究、计算和安全性。显然，他们正在为应用程序领域的某些令人兴奋的发展奠定基础！
Meta預測到2035年生成性AI收入將達1.4萬億美元
去年，Meta大膽預測其生成式AI產品到2025年將產生20億至30億美元的收入。展望更遠的未來，他們預計到2035年將增長到驚人的4600億至1.4兆美元之間。這些預測是在週三浮出水面的法庭文件中揭示的，當時正值書籍作者對Meta提起訴訟。他們指控該公司未經許可就用他們的作品訓練AI。然而，文件並未具體說明Meta將何謂“生成式AI產品”。不過，眾所周知，
2025-04-10 08:00:00
Meta's AI model benchmarks seem a bit off to me. Maverick got second place, but I've used it and it's not that great. The interface is clunky and the results are hit or miss. Maybe they're just trying to hype it up? I'd give it a pass for now.
0
2025-04-10 08:00:00
MetaのAIモデルのベンチマークは私には少しおかしいように感じます。Maverickは2位を獲得しましたが、使ってみた感じではそれほど良くありません。インターフェースがぎこちなく、結果も当たり外れがあります。もしかしたら、ただ盛り上げようとしているだけかもしれませんね。今はパスしておきます。
0
2025-04-10 08:00:00
Meta의 AI 모델 벤치마크가 내겐 좀 이상해 보여. Maverick이 2위를 했지만, 써보니 그리 대단하지 않아. 인터페이스가 어색하고 결과도 들쑥날쑥해. 어쩌면 그냥 과대광고하려고 하는 건지도 몰라. 지금은 패스할게.
0
2025-04-10 08:00:00
Os benchmarks do modelo de IA da Meta parecem um pouco estranhos para mim. O Maverick ficou em segundo lugar, mas eu usei e não é tão bom assim. A interface é desajeitada e os resultados são inconsistentes. Talvez eles estejam apenas tentando criar hype? Eu passaria por agora.
0
2025-04-10 08:00:00
Los benchmarks del modelo de IA de Meta me parecen un poco extraños. Maverick quedó en segundo lugar, pero lo he usado y no es tan bueno. La interfaz es torpe y los resultados son inconsistentes. ¿Quizás solo están tratando de generar hype? Por ahora, lo dejaría pasar.
0
2025-04-12 08:00:00
I tried Meta's Maverick and it's pretty good, but those benchmarks seem a bit off to me. It's not as smooth as they claim, and sometimes it's just plain wrong. I'm not sure if it's worth the hype. Maybe they need to tweak their testing methods?
0
