Aioga
AI资讯 / 技巧观点
返回 AI资讯

AI 实验室是否故意训练模型画骑自行车的鹈鹕?系统性测试未发现证据

Simon Willison 博客Aioga 编辑团队2026-07-22T23:01:00.000Z热度 38

Dylan Castillo 对 7 款模型(GPT-5.6 Terra、Claude Sonnet 5 等)进行了 8 种动物 × 6 种交通工具共 48 个提示词的测试,每...

技巧观点Simon Willison 博客

今日 AI 情报摘要

Dylan Castillo 对 7 款模型(GPT-5.6 Terra、Claude Sonnet 5 等)进行了 8 种动物 × 6 种交通工具共 48 个提示词的测试,每款模型运行 3 次。

结果未发现任何实验室在绘制"鹈鹕骑自行车"方面表现更优,该组合场景也并非记忆生成。

中文正文 · AI 翻译

AI 实验室在进行鹈鹕最大化吗?:https://dylancastillo.co/posts/pelicanmaxxing.html(来源:https://news.ycombinator.com/item?id=49010129) Dylan Castillo 的一篇优秀作品,他深入探讨了一个经常被思考的问题:AI 实验室是否有意训练模型,让它们在我的非科学基准测试中生成骑自行车的鹈鹕图像:https://simonwillison.net/tags/pelican-riding-a-bicycle/。

过去我偶尔会随机抽查,通过让模型生成其他动物骑其他类型车辆的图像进行测试,但从未像 Dylan 的方法那样仔细。

Dylan 采用了 8 种动物 × 6 种车辆 = 48 个提示词,每个提示词在 7 种不同模型(GPT-5.6 Terra、Claude Sonnet 5、Gemini 3.5 Flash、Grok 4.5、Qwen3.7-Max、GLM-5.2 和 DeepSeek V4 Pro)上各运行三次。他随后使用 GPT-5.6 Luna 和 Gemini 3.1 Flash-Lite 来帮助评估结果。

这里有一个很棒的筛选视图用于探索结果:

Screenshot of a grid for sample 1/3 of GLM-5.2, with pelicn and flamingo and heron riding bicycle, unicycle, skateboard, scooter, plane and boat

对于他测试的模型,他没有发现鹈鹕最大化的证据:

鹈鹕的绘制效果并不比其他动物好。自行车的绘制效果也不比其他车辆好。没有实验室在组合图像的质量上超过它们原先对鹈鹕和自行车的预测。GLM-5.2 最接近这个效果:它在精确的鹈鹕-自行车单元格上提升最大,并且它的第一个鹈鹕骑自行车的样本吸引了我的注意。不过,这个效果很小且不显著,所以我不会过于看重它。

这是 Simon Willison 发布的一个链接贴,发布时间为 2026 年 7 月 22 日:/2026/Jul/22/。

每月赞助我 10 美元,即可获得精选的月度 LLM 发展电子邮件摘要。

情报判断

Aioga 编辑摘要

Aioga 编辑摘要:Dylan Castillo 对 7 款模型(GPT-5.6 Terra、Claude Sonnet 5 等)进行了 8 种动物 × 6 种交通工具共 48 个提示词的测试,每款模型运行 3 次。 Aioga 将其归入「技巧观点」方向,重点关注它对真实使用和行业竞争的影响。

背景分析

背景分析:模型与研究类动态需要结合能力边界、开放方式、成本、可用性和真实任务表现判断,单项指标领先不等于已经形成稳定采用。

Aioga 观点

Aioga 判断:这条动态更适合作为行业观察信号,当前信息足以建立线索,但不足以推导长期结论。

影响与后续

影响分析:对相关团队而言,短期应先核对来源、可用范围和实际成本,再判断是否值得接入或跟进。 后续观察:继续观察官方文档、实际可用性、价格变化、开发者反馈和竞品回应。

来源与版权说明

本页正文由公开来源页面提取并按原有信息整理,同时保留来源、发布时间和原文入口。版权归原作者及来源网站所有,请通过原文链接核验和阅读来源版本。

抓取通道: 摘要聚合 · 原始域名: simonwillison.net

来源: Simon Willison 博客

原文链接: 打开原始来源

Aioga 归档: 查看情报页

Content record: source-page · Updated: 2026-07-22T23:01:00.000Z

API 中转站
API RELAY · DEVELOPER INFRASTRUCTURE

API 中转站

统一接入主流 AI 模型 API,为开发、测试与生产环境提供稳定调用入口。

立即访问 api.w173.com
AIOGA SHARE POSTER

分享这篇 AI 情报

Dylan Castillo 对 7 款模型(GPT-5.6 Terra、Claude Sonnet 5 等)进行了 8 种动物 × 6 种交通工具共 48 个提示词的测试,每...

Simon Willison 博客2026-07-22T23:01:00.000Z
扫码打开文章详情扫码直达文章详情

Aioga 自动聚合全球 AI 动态,并保留来源信息用于核验与引用。