MÜNCHEN (IT BOLTWISE) – Die Diskussionen über die Validität und Darstellung von KI-Benchmarks nehmen an Fahrt auf. Jüngst geriet xAI, das KI-Unternehmen von Elon Musk, in die Kritik, nachdem ein Mitarbeiter von OpenAI behauptete, xAI habe irreführende Benchmark-Ergebnisse für sein neuestes KI-Modell Grok 3 veröffentlicht.
Die Debatte um die Darstellung von KI-Benchmarks ist in vollem Gange, nachdem xAI, das KI-Unternehmen von Elon Musk, beschuldigt wurde, irreführende Ergebnisse für sein neuestes Modell Grok 3 veröffentlicht zu haben. Ein Mitarbeiter von OpenAI warf xAI vor, die Leistung von Grok 3 auf dem AIME 2025 Benchmark falsch darzustellen. Igor Babushkin, Mitbegründer von xAI, verteidigte die Ergebnisse jedoch.
In einem Blogpost von xAI wurde ein Diagramm veröffentlicht, das die Leistung von Grok 3 auf dem AIME 2025 zeigt, einem anspruchsvollen Mathematiktest. Einige Experten haben die Validität von AIME als KI-Benchmark in Frage gestellt, dennoch wird er häufig zur Bewertung mathematischer Fähigkeiten von Modellen verwendet. Das Diagramm von xAI zeigte, dass zwei Varianten von Grok 3, Grok 3 Reasoning Beta und Grok 3 mini Reasoning, das beste verfügbare Modell von OpenAI, o3-mini-high, übertreffen.
OpenAI-Mitarbeiter wiesen jedoch darauf hin, dass xAI in seinem Diagramm die AIME 2025-Punktzahl von o3-mini-high bei ‘cons@64’ nicht berücksichtigt hatte. ‘cons@64’ steht für ‘consensus@64’ und bedeutet, dass ein Modell 64 Versuche hat, um jede Aufgabe zu lösen, wobei die am häufigsten generierten Antworten als endgültige Antworten gewertet werden. Diese Methode kann die Benchmark-Ergebnisse eines Modells erheblich verbessern, und das Weglassen dieser Information könnte den Eindruck erwecken, dass ein Modell besser ist als ein anderes.
Die Ergebnisse von Grok 3 Reasoning Beta und Grok 3 mini Reasoning bei AIME 2025 ‘bei @1’ – also dem ersten Ergebnis, das die Modelle erzielten – liegen unter der Punktzahl von o3-mini-high. Grok 3 Reasoning Beta liegt auch leicht hinter dem OpenAI-Modell o1, das auf ‘medium’ Computing eingestellt ist. Dennoch bewirbt xAI Grok 3 als das ‘intelligenteste KI-Modell der Welt’.
Babushkin argumentierte auf X, dass OpenAI in der Vergangenheit ebenfalls irreführende Benchmark-Diagramme veröffentlicht habe – allerdings Diagramme, die die Leistung ihrer eigenen Modelle vergleichen. Ein neutraler Beobachter der Debatte erstellte ein ‘genaueres’ Diagramm, das die Leistung fast aller Modelle bei cons@64 zeigt.
Wie der KI-Forscher Nathan Lambert in einem Beitrag betonte, bleibt die vielleicht wichtigste Kennzahl ein Rätsel: die Rechen- und Kostenaufwand, die erforderlich waren, um die beste Punktzahl jedes Modells zu erreichen. Dies zeigt, wie wenig die meisten KI-Benchmarks über die Einschränkungen und Stärken von Modellen aussagen.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Kontroverse um KI-Benchmarks: Hat xAI über die Benchmarks von Grok 3 gelogen?" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Kontroverse um KI-Benchmarks: Hat xAI über die Benchmarks von Grok 3 gelogen?" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Kontroverse um KI-Benchmarks: Hat xAI über die Benchmarks von Grok 3 gelogen?« bei Google Deutschland suchen, bei Bing oder Google News!