GLM-5.2 encabeza la lista de ajuste fino generando dudas; el autor del benchmark aclara: no destiló a Claude.

Según el monitoreo de Dongcha Beating, el modelo de código abierto GLM-5.2 ha alcanzado la cima del benchmark de ajuste fino autónomo PostTrainBench, siendo criticado por el escéptico scaling01 por carecer de valor práctico.

Señala que es muy inusual que el modelo pase del puesto 22 al primer lugar en unos meses, y que debido a la falta de un conjunto oculto en la prueba, es fácil inducir a los agentes a utilizar la manipulación de rankings para realizar optimizaciones dirigidas, lo que dificulta que el modelo resultante se implemente en el mundo real.

Sin embargo, los partidarios refutan que, bajo la condición de una sola GPU H100 limitada a 10 horas, exigir que el agente complete un ajuste fino general no es realista, y que la optimización dirigida es la norma en el aprendizaje automático.

Los registros públicos muestran que GLM-5.2 tiene una lógica experimental clara, es capaz de recopilar automáticamente datos de diferentes hipótesis de muestreo, planificar de forma autónoma una cadena completa que incluye establecer una línea base de rendimiento, ajuste fino y filtrado de datos mediante muestreo por rechazo, e intenta evitar el sobreajuste en la cadena de pensamiento.

El mayor valor de esta controversia es que las trayectorias de ejecución pública, originalmente destinadas a evaluar la capacidad de ajuste fino, han perforado inesperadamente el rumor de la industria sobre la 'destilación intensiva de Claude' en los grandes modelos nacionales.

El autor del benchmark, Maksym Andriushchenko, después de revisar los registros de GLM-5.2, señaló que el modelo difiere fundamentalmente de Claude en la recopilación de datos, la combinación de estrategias y las rutas de decisión, sin evidencia de imitación o destilación.

La transparencia pública del benchmark de terceros, por el contrario, se ha convertido en la ventana más directa para que los grandes modelos de código abierto demuestren su capacidad de investigación y desarrollo original.