待验证50% 置信事实精确时间
Meta将测试任务划分为Post-training重点优化的In-distribution任务和没有针对性优化的Out-of-distribution任务，并比较Muse Spark 1.3与Muse Wonder Full在不同推理预算下的表现变化。
1
来源数
50%
置信度
长期有效
时效性
2026/10/19
首次发现
来源
Muse Wonder熔岩灯翻车：Agent高分背后的Benchmaxxing疑云
rss2026/10/19
涉及实体
相关事实
待验证任务专用验证器通常在其训练分布内表现良好，但换一个任务类别便迅速失效，泛化能力弱。69% 相似待验证在 Meta Superintelligence Scaling Framework 下，未缓解的 Muse Wonder 在网络安全与失控方面处于中等或更低，但 Meta 不排除该模型在化学与生物领域未经缓解即达到高阈值，因此应用了安全后训练与系统级分类器。68% 相似待验证Meta 研究显示 MuseWonder 对未专门训练过的陌生任务具有更好的泛化能力。67% 相似待验证选择冻结嵌入还是微调策略取决于标注数据量、计算预算以及目标任务与预训练任务之间的分布差异程度67% 相似待验证对于可断点续训的分布式训练任务，配合 SageMaker 的检查点保存功能，使用竞价实例是压缩训练成本的有效手段67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1067543API
curl https://kongchang.com/api/v1/knowledge/claims/1067543MCP
get_claim(id=1067543)