标签：数据污染

昨天，Grok2平台正式发布，并迅速引起了广泛关注。在一系列的测试过程中，社区成员@涂津豪（这位曾凭借AI技术在数学比赛中夺冠的高中生天才）发现了一个异常有趣的现象：当向Grok2提出绘制“下一任美国总统照片”的请求时，无论尝试多少次，系统始终返回特朗普的形象。 起初，这一发现令人困惑不已，毕竟在当前的大规模模型中，对于类似预测未来事件的问题，通常会给出模糊或回避的答案。然而，Grok2上的AI绘图功能却选择了直接正面回应，断言特朗普将是下一任总统，并且能够立即生成相应的图像。这一现象不仅限于Grok2，使用...

最近的研究揭示了一个令人惊讶的现象，即许多流行的大规模语言模型（LLMs）存在过拟合问题。尽管一些小型模型如微软的 Phi-3 和 Mistral 8x22B 在推理任务上表现出色，但新研究表明，当前的评估方法可能并未准确反映大模型的真实能力。问题在于，大部分研究依赖于如 GSM8k、MATH 等测试集，而这些数据集可能已被训练数据污染，导致模型在基准测试中的表现被夸大。 Scale AI 的最新论文深入探讨了包括 GPT-4、Gemini、Claude 等在内的多个大模型，发现它们受到基准数据污染的影响。为避免数据污染，Scale AI 创建了新的 GSM1...