据动察 Beating の監視によると、オープンソースモデル GLM-5.2 が自主微調整ベンチマーク PostTrainBench でトップに立ったが、批判者 scaling01 は実際の価値が欠如していると批判した。同氏は、モデルのランキングが数ヶ月以内に22位からトップに急上昇したのは極めて異常であり、テストは隠れセットが不足しているため、エージェントがスコア稼ぎ（刷榜）を利用した方向付け最適化を誘導しやすく、得られたモデルは現実世界で実用化が難しいと指摘した。
しかし支持側は反論し、単一の H100 グラフィックスカードで10時間の制限条件下では、エージェントに汎用的な微調整を完了させることは現実的ではなく、方向付け最適化はもともと機械学習の常態であると述べた。公開ログによると、GLM-5.2 は明確な実験論理を持ち、異なるサンプリング仮説のデータを自動収集し、性能ベースラインの確立、微調整、および拒否サンプリングによるデータフィルタリングの完全なチェーンを自律的に計画し、思考チェーン内で過学習を回避しようとしている。
この騒動のより大きな価値は、本来微調整能力を評価するための公開実行軌跡が、偶然にも国内の大規模モデル「重度蒸留 Claude」という業界の噂を打ち破ったことにある。ベンチマークの作成者 Maksym Andriushchenko は GLM-5.2 のログを調べた後、モデルはデータ収集、戦略の組み合わせ、決定経路のいずれにおいても Claude と本質的な違いがあり、模倣や蒸留の兆候はないと指摘した。第三者ベンチマークの公開透明性が、むしろオープンソース大規模モデルが独自の研究開発能力を証明する最も直接的な窓口となった。
81.6K 人気度
247.87K 人気度
69.16K 人気度
18.71K 人気度
4.86M 人気度
GLM-5.2が微調整ランキングでトップになり疑問を呼ぶ、ベンチマーク作者が説明：Claudeを蒸留したわけではない
据动察 Beating の監視によると、オープンソースモデル GLM-5.2 が自主微調整ベンチマーク PostTrainBench でトップに立ったが、批判者 scaling01 は実際の価値が欠如していると批判した。同氏は、モデルのランキングが数ヶ月以内に22位からトップに急上昇したのは極めて異常であり、テストは隠れセットが不足しているため、エージェントがスコア稼ぎ（刷榜）を利用した方向付け最適化を誘導しやすく、得られたモデルは現実世界で実用化が難しいと指摘した。
しかし支持側は反論し、単一の H100 グラフィックスカードで10時間の制限条件下では、エージェントに汎用的な微調整を完了させることは現実的ではなく、方向付け最適化はもともと機械学習の常態であると述べた。公開ログによると、GLM-5.2 は明確な実験論理を持ち、異なるサンプリング仮説のデータを自動収集し、性能ベースラインの確立、微調整、および拒否サンプリングによるデータフィルタリングの完全なチェーンを自律的に計画し、思考チェーン内で過学習を回避しようとしている。
この騒動のより大きな価値は、本来微調整能力を評価するための公開実行軌跡が、偶然にも国内の大規模モデル「重度蒸留 Claude」という業界の噂を打ち破ったことにある。ベンチマークの作成者 Maksym Andriushchenko は GLM-5.2 のログを調べた後、モデルはデータ収集、戦略の組み合わせ、決定経路のいずれにおいても Claude と本質的な違いがあり、模倣や蒸留の兆候はないと指摘した。第三者ベンチマークの公開透明性が、むしろオープンソース大規模モデルが独自の研究開発能力を証明する最も直接的な窓口となった。