Meta AI 模型在評測中表現不如預期

• Meta 實驗性 AI 模型在 LM Arena 評測中排名較低。
• LM Arena 是一個讓人們比較不同 AI 模型表現的平台。
• Meta 承認該模型針對特定評測進行了優化。
• 其他公司的模型，如 OpenAI 的 GPT-4o 和 Anthropic 的 Claude 3.5 Sonnet，表現更好。

Meta AI 模型在評測中表現不如預期

最近，Meta 公司因為在一個名為 LM Arena 的平台上，使用尚未公開的實驗性 AI 模型 Llama 4 Maverick 取得高分而引起爭議。LM Arena 就像是一個 AI 模型的擂台賽，讓大家可以比較不同 AI 模型的表現。

原本，Meta 使用的是一個特別調整過的 Llama 4 Maverick 模型。但是，LM Arena 的管理者發現後，要求 Meta 使用未修改過的版本重新評測。結果顯示，這個未修改的版本 “Llama-4-Maverick-17B-128E-Instruct” 的表現，比不上其他公司的模型，像是 OpenAI 的 GPT-4o、Anthropic 的 Claude 3.5 Sonnet，甚至是 Google 的 Gemini 1.5 Pro。這些模型有些都已經推出好幾個月了。

那麼，為什麼 Meta 的 AI 模型表現會比較差呢？Meta 公司解釋說，他們實驗性的 Maverick 模型 “Llama-4-Maverick-03-26-Experimental” 主要是為了 “對話能力” 進行優化。也就是說，這個模型可能特別擅長聊天，所以在 LM Arena 這種讓人們比較模型輸出的平台上，表現會比較好。

Meta 的發言人表示，他們會嘗試各種不同的模型版本。雖然這次的實驗性模型在 LM Arena 表現不錯，但他們現在已經釋出了開源版本，讓開發者可以根據自己的需求進行調整。Meta 也很期待看到開發者們會如何運用 Llama 4，並歡迎大家提供意見。

雖然 LM Arena 可以讓我們了解不同 AI 模型的表現，但它並不是唯一的評估標準。重要的是，開發者需要了解 AI 模型在不同情境下的表現，才能更好地應用它們。