国产98在线 | 传媒麻豆,久久―日本道色综合久久,久久久精品久久久久久久久久久,国产成人精品免费久久久久,五月综合色婷婷影院在线观看,久久久亚洲精品视频

  • 虎科技 - 領先的互聯網科技媒體

AI基準戰再起波瀾:OpenAI質疑xAI Grok 3測試結果真實性

   時間:2025-02-23 10:06 來源:ITBEAR作者:江紫萱

近日,AI領域掀起了一場關于基準測試結果真實性的風波。爭議的焦點集中在埃隆·馬斯克旗下的xAI公司最新發布的AI模型Grok 3上。一名OpenAI員工對xAI公司公布的Grok 3在AIME 2025基準測試中的表現提出了質疑,認為其測試結果具有誤導性。

xAI公司在其官方博客上發布了一張圖表,展示了Grok 3的兩個版本——Grok 3 Reasoning Beta和Grok 3 mini Reasoning,在AIME 2025基準測試中的卓越表現。盡管AIME作為AI基準測試的有效性受到了一些專家的質疑,但它仍然被廣泛用于評估AI模型的數學能力。這張圖表顯示,Grok 3的兩個版本在AIME 2025上的表現超越了OpenAI當前最強的可用模型o3-mini-high。

然而,OpenAI員工迅速作出回應,在社交媒體平臺上指出xAI的圖表并未包含o3-mini-high在“cons@64”條件下的得分?!癱ons@64”即允許模型對每個問題嘗試64次,并將出現頻率最高的答案作為最終答案,這種方式通常會顯著提升模型的基準測試分數。因此,如果圖表中省略了這一數據,就可能導致誤解。

事實上,在AIME 2025的“@1”條件下(即模型首次嘗試的得分),Grok 3 Reasoning Beta和Grok 3 mini Reasoning的得分均低于o3-mini-high。Grok 3 Reasoning Beta的表現也略遜于OpenAI的o1模型在“中等計算”設置下的得分。盡管如此,xAI仍堅持宣傳Grok 3為“世界上最聰明的AI”。

面對質疑,xAI的聯合創始人伊戈爾·巴布什金在社交媒體上進行了辯護,他指出OpenAI過去也曾發布過類似的具有誤導性的基準測試圖表,盡管這些圖表是用于比較OpenAI自身模型的表現。這一回應并未平息爭議,反而進一步加劇了雙方的對立。

在這場爭議中,一位中立的第三方重新繪制了一張更為準確的圖表,揭示了雙方模型在AIME 2025基準測試中的真實表現。這張圖表的出現,為公眾提供了一個更為客觀、全面的視角來審視這場風波。

然而,這場風波也暴露出AI基準測試在傳達模型局限性和優勢方面的不足。AI研究員內森·蘭伯特在一篇文章中指出,或許最重要的指標仍然未知:每個模型達到最佳分數所需的計算(和金錢)成本。這一觀點引發了業界的廣泛共鳴,也讓人們開始重新審視AI基準測試的意義和價值。

 
 
更多>同類內容
推薦圖文
推薦內容
點擊排行
 
智快科技微信賬號
ITBear微信賬號

微信掃一掃
加微信拉群
電動汽車群
科技數碼群

主站蜘蛛池模板: 日韩欧美一二区 | 五月深爱网 | 国产成人综合久久精品亚洲 | 五月天欧美激情午夜情 | 男女污污网站 | 亚洲人成77777在线播放网站不卡 | 国产成人久久精品区一区二区 | 春色视频www免费视频观看 | 中文字幕动漫精品专区 | 国内精品综合九九久久精品 | 美女被爆羞羞视频网站视频 | 中文精品久久久久国产网站 | 国产精品视频网址 | 骚骚网站 | 在线小视频 | 五月婷婷六月婷婷 | 色婷婷色综合激情国产日韩 | 国产自产自拍 | 国产成人精品久久亚洲高清不卡 | 国产四虎精品 | 羞色视频| 亚洲一区二区三区高清 不卡 | 免费在线色视频 | 亚洲精品乱码久久久久久 | 婷婷国产天堂久久综合五月 | 青草久久久| 国产aⅴ精品一区二区三区久久 | 欧美精品福利视频 | 日本中文字幕一区二区高清在线 | 色阁阁 | 丁香花网站| 在线观看国产精品入口 | 国内精品视频成人一区二区 | 久久国产精品99久久小说 | 精品在线视频一区 | 男女免费视频网站 | 婷婷色九月综合激情丁香 | 在线视频一二三区 | 中文字幕日本一区久久 | 亚洲精品国产字幕久久不卡 | 色综合五月天 |