开源模型 GLM-5.2 登顶自主微调基准 PostTrainBench，被质疑者 scaling01 批评为缺乏实际价值。他指出，模型排名在几个月内从第 22 名跃升至榜首极不寻常，且测试由于缺乏隐藏集，容易诱导智能体利用刷榜进行定向优化，得出的模型在真实世界中难以落地。 
但支持方反驳称，在单张 H100 显卡限制 10 小时的条件下，要求智能体跑完通用的微调并不现实，定向优化本就是机器学习的常态。公开日志显示，GLM-5.2 具备清晰的实验逻辑，能自动收集不同采样假设的数据，自主规划出建立性能基线、微调以及利用拒绝采样过滤数据的完整链路，并在思考链中尝试规避过拟合。 
这起风波的更大价值在于，原本用于评估微调能力的公开运行轨迹，意外戳破了国内大模型「重度蒸馏 Claude」的行业流言。基准作者 Maksym Andriushchenko 在翻阅 GLM-5.2 日志后指出，模型在数据...