GLM-5.2 Menduduki Peringkat Teratas Benchmark Fine-Tuning di Tengah Kontroversi, Penulis Memperjelas: Tidak Ada Distilasi dari Claude

robot
Pembuatan abstrak sedang berlangsung
Menurut pemantauan oleh Dongcha Beating, model sumber terbuka GLM-5.2 telah menduduki puncak tolok ukur penyetelan halus mandiri PostTrainBench, tetapi mendapat kritik dari penantang scaling01 karena kurangnya nilai praktis. Ia menunjukkan bahwa peringkat model melonjak dari posisi 22 ke posisi 1 hanya dalam beberapa bulan, yang sangat tidak biasa, dan pengujian tidak memiliki set tersembunyi, sehingga mudah bagi agen untuk mengeksploitasi optimalisasi peringkat, menghasilkan model yang sulit diimplementasikan di dunia nyata. Namun, pendukung membantah bahwa tidak realistis mengharapkan agen menyelesaikan penyetelan halus umum di bawah batasan satu GPU H100 selama 10 jam, dan bahwa optimalisasi yang ditargetkan adalah norma dalam pembelajaran mesin. Log publik menunjukkan bahwa GLM-5.2 memiliki logika eksperimental yang jelas, dapat secara otomatis mengumpulkan data dari hipotesis pengambilan sampel yang berbeda, secara otonom merencanakan rantai lengkap untuk menetapkan basis kinerja, penyetelan halus, dan menyaring data menggunakan pengambilan sampel penolakan, sambil mencoba menghindari overfitting dalam rantai penalaran. Nilai yang lebih besar dari kontroversi ini terletak pada kenyataan bahwa lintasan operasional yang tersedia untuk umum yang awalnya dimaksudkan untuk menilai kemampuan penyetelan halus secara tidak terduga membantah rumor industri tentang model besar domestik yang banyak disuling dari Claude. Penulis tolok ukur Maksym Andriushchenko mencatat setelah meninjau log GLM-5.2 bahwa model tersebut memiliki perbedaan penting dari Claude dalam pengumpulan data, kombinasi strategi, dan jalur keputusan, tanpa menunjukkan tanda-tanda imitasi atau distilasi. Transparansi tolok ukur pihak ketiga justru menjadi jendela paling langsung bagi model sumber terbuka besar untuk menunjukkan kemampuan penelitian dan pengembangan asli mereka.
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
  • Hadiah
  • Komentar
  • Posting ulang
  • Bagikan
Komentar
Tambahkan komentar
Tambahkan komentar
Tidak ada komentar
  • Disematkan