Согласно мониторингу Dongcha Beating, модель с открытым исходным кодом GLM-5.2 заняла первое место в бенчмарке самонастройки PostTrainBench, но подверглась критике со стороны конкурента scaling01 за отсутствие практической ценности. Он отметил, что рейтинг модели подскочил с 22-го на 1-е место всего за несколько месяцев, что крайне необычно, и что тестирование не содержит скрытого набора, что позволяет агентам легко использовать оптимизацию рейтинга, в результате чего модели трудно внедрить в реальном мире. Однако сторонники возразили, что ожидать от агентов выполнения общей настройки в условиях ограничения одним H100 GPU за 10 часов нереалистично, и что целевая оптимизация является нормой в машинном обучении. Общедоступные логи показывают, что GLM-5.2 имеет четкую экспериментальную логику, может автоматически собирать данные по разным выборкам гипотез, автономно планирует полную цепочку для установления базовых показателей производительности, настройки и фильтрации данных с использованием отклоняющей выборки, пытаясь избежать переобучения в цепочке рассуждений. Большая ценность этого спора заключается в том, что публично доступная операционная траектория, изначально предназначенная для оценки возможностей тонкой настройки, неожиданно опровергла отраслевые слухи о том, что отечественные большие модели сильно дистиллированы от Claude. Автор бенчмарка Максим Андрющенко после ознакомления с логами GLM-5.2 отметил, что модель имеет существенные отличия от Claude в сборе данных, комбинациях стратегий и путях принятия решений, не демонстрируя признаков имитации или дистилляции. Прозрачность сторонних бенчмарков вместо этого стала самым прямым окном для моделей с открытым исходным кодом, чтобы продемонстрировать свои оригинальные исследовательские и разработочные возможности.

Посмотреть Оригинал

На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .

Награда
лайк
комментарий
Репост
Поделиться

комментарий

Добавить комментарий

Нет комментариев

Популярные темы
Подробнее
#
GTBurns2.57MInQ
167,84K Популярность
#
PredictWorldCupShare20000U
259,6K Популярность
#
IsraelStrikesIranBTCPlunges
69,38K Популярность
#
VitalikUnveilsLeanEthereum
157,28K Популярность
#
gStocksTokenizedStocksLive
4,87M Популярность

Закреплено

Карта сайта

GLM-5.2 возглавляет бенчмарк тонкой настройки среди споров, авторы уточняют: не дистилляция Клода

Популярные темы

GTBurns2.57MInQ

PredictWorldCupShare20000U

IsraelStrikesIranBTCPlunges

VitalikUnveilsLeanEthereum

gStocksTokenizedStocksLive

Закреплено