Metaに内部告発：Llama 4の性能不足とベンチマーク不正疑惑で副社長ら辞任か

ベンチマークスコアの向上とは裏腹に、実務での挙動に失望する声が相次いでいます。

Llama 4の評価データ混入疑惑で技術者が辞任表明

テクノロジーブロガーのTony Peng氏が伝えた情報によると、MetaのAIチームに所属する中国人エンジニアが辞表を提出し、Llama 4の技術レポートから自身の名前を削除するよう求めたとのことです。

内部告発の内容によれば、度重なるトレーニングを経てもモデル性能はオープンソースの最高水準に遠く及ばない状態でした。4月末の社内期限をクリアし追加投資を確保するため、経営陣側から事後学習に各種ベンチマークのテストデータを混入させて数値を整える提案があったとされています。

昨日リリースされたLlama 4に対しては、すでにXやRedditで性能の低さを指摘する声が多く上がっています。また、学術界でも活動するこのエンジニアは慣行を受け入れられないとし、MetaのAI担当副社長も同様の理由で辞任したという噂に言及しました。

なぜ重要か

この告発が事実であれば、巨大テック企業におけるAI開発の指標プレッシャーが深刻な歪みを生んでいる証拠と言えます。

事後学習にテストデータを混入させる行為は、実質的なカンニングであり、見せかけのスコアを作れてもユーザーの実環境ではすぐに化けの皮が剥がれます。開発者や企業にとっても、公開されたスコアを鵜呑みにしてLlama 4を即座に本番導入するのは避けるべきだと考えられます。

同時に、現在の業界標準ベンチマークが信頼性を失いつつある現実を浮き彫りにしており、実運用のブラインドテストによる検証の重要性が一段と増しています。