Meta 新发布的 LLaMa 4 大模型，疑似在训练过程中「暗中作弊」！

Hyperbolic Labs 联合创始人兼首席技术官 Yuchen Jin 在社交媒体上爆出猛料称：

有 Meta 内部人士在 Reddit 上披露，为了提高 LLaMa 4 在各种基准测试上的分数，Meta 团队竟直接将测试数据集「悄咪咪」塞进了训练数据！

这事儿放哪都算是重量级丑闻！

要知道，AI 模型这么搞等于直接考前偷看答案卷，还能叫公平竞争吗？

这就跟高考前老师「不小心」把试卷发你手里，转头你就考了满分，然后还振振有词说自己厉害——你咋不上天呢？！

这消息一出，AI 圈直接炸锅了！

有人直言「完全不令人印象深刻」

还有人直接爆粗口：「WTF」

甚至有人把锅甩给 Meta 的 AI 掌门人 Yann LeCun：「Meta AI 的负责人要么忙着怼 Elon（马斯克），要么在贬低 LLMs，还能指望什么？」

（这位兄弟，你是也买TSLA 了吧……

有人甚至宣称：「Zuck 需要开除 Le Cun，我打赌他在模型训练过程中偷偷 SSH 进入集群修改权重，就为了能继续做这种事」

还有人表示：「😮 🤯 简直难以置信」

有意思的是，就在这消息闹得沸沸扬扬的当口，Meta AI 研究副总裁 Joelle Pineau 突然宣布离职。

这时间点，也是有点妙啊！

有人担忧 Joelle Pineau 离职的时机「正好在 Llama 4 训练争议之后，这太疯狂了。不知道这是否预示着 Meta AI 更大的震荡。你觉得这对 FAIR 的未来意味着什么？」

不过也有人出来「灭火」。

有自称参与 LLaMa 4 训练数据混合工作的人员明确表示：「我不知道有这种情况发生」。

眼看风波越闹越大，一位网友建议「让子弹飞一会儿」，别急着下结论。

有不少业内人士表示怀疑，The Tiny Corp 团队直言：

「不可能是真的，没有大实验室会这么蠢。我认为 Llama 4 的表现问题主要来自破碎的实现或者糟糕的量化，MoE 架构很难搞对。我猜几周内问题会被修复，到时它的表现会与那些基准测试成绩相当」。

另有评论指出，这很可能是「因为符合某种叙事，所以大家过度关注 Reddit 上一条帖子而已，让我们给研究团队一点信任」。

不少网友直接表示要转向其他开源模型，「看来我们得坚持用 DeepSeek 了」，还有人点名 Gemma 和 Qwen 作为更好的开源选择。

甚至有人直言不讳：「这很 Facebook 风格」，「我认为他们都在玩弄基准测试」，「哥们，这次 Llama 真的搞砸了」。

同时也有人给出了解决之道：独立测试！

数据科学家 Lech Mazur 表示，他正在用自己独立开发的测试集来评估 LLaMa 4，不管 Meta 做了什么，真相终将大白。

SSindia 网友分享了自己的亲身体验：「我有几个脚本问题，LlaMa 4 无法一次性解决。这些是中等复杂度的 Python 脚本任务，而 Gemini 2.5 Pro 和 Claude 3.7 都能一次完成」。

还有人提出有趣的观点：「相当肯定每家都在某种程度上最大化基准测试成绩。但当你比较 Llama 的实际表现和基准测试成绩时，差距太明显了」。

也有看得更开的：「这些事很常见，很多 AI 实验室都这么做，可能是有意的，也可能是他们倒入的数据恰好包含了公开基准测试集。所以不能只怪一家。这就是为什么公开基准测试不是检验模型表现的解决方案。至少在我们获得 AGI 前，应该有一种更有效或手动的方法来验证这些东西」。

还有人调侃「得开始学中文了」，还有人嘲讽「AI 开发团队造假数据，这太难以置信了」。

有人注意到这不是第一次：「这是不是第一次知名模型遭遇此类指控？」

面对这场风波，Yuchen Jin 也给出了自己的建议：

任何公开的基准测试数据集，迟早会泄露到模型训练集中。

所以：
1. 不要盲目相信任何基准测试分数；
2. 自己尝试模型，看它在你具体应用场景下的表现，这才是真正重要的。

Erika S 表示赞同：

「完全同意。基准测试只是起点——始终用你自己的数据进行验证」。

关于 Meta 内部情况，有人补充：「Yann 不负责 Llama 项目」

而网友 Noah Vandal 也分析称「我打赌他们更专注于 JEPA 风格模型而非 LLM」。

从技术角度看，Qubitum 指出：「transformers 库对 llama4 有多个 bug，vllm 和 sglang 不确定。给他们几天时间先稳定推理」。

Chris Bora 调侃道 Yann LeCun「忙着玩 Threads 呢」，而 zomgthisisawesomelol 则评论：「Yann 是 AI 领导层中最悲观的，想象一下为这样的人工作」。

有人提出不同看法：「当 Yann 试图告诉你 LLMs 本身有局限性时，你宁愿说’不，他在破坏’，而不是承认他的观点有道理，这有点奇怪」。

这也再次提醒我们：在 AI 领域，外表光鲜的数据可能暗藏玄机。

在热火朝天的 AI 竞赛中，各家都想出奇招提升分数，但如果真像爆料所说那样「开小灶」，可就真有点不地道了。

至于 Meta 此事是真是假，目前尚无定论。

Meta，是否真的已经落后了呢？

你怎么看？

reddit 链接：

https://www.reddit.com/r/LocalLLaMA/comments/1jt8yug/serious_issues_in_llama_4_training_i_have/