Ahmad Al-Dahle（前 Meta GenAI VP）、Llama 4 のベンチマーク不正疑惑を否定

概要

Meta の前 Generative AI VP Ahmad Al-Dahle 氏は 2026年4月7日、Llama 4 Maverick / Scout のベンチマーク結果が評価用テストセットで学習されたのではないかという疑惑を否定する発信を行った。「Meta はテストセットで学習することは決してしない」と明言し、疑惑への対応を図った。

Llama 4 はオープンウェイトでMoE（Mixture of Experts）アーキテクチャを採用したモデルで、公開時に主要ベンチマークで高スコアを記録した。しかしその後、ベンチマーク汚染（benchmark contamination）の可能性を指摘する声が上がり、AI コミュニティで議論を呼んだ。

ベンチマーク評価の信頼性はモデル選定の根拠として重要だ。「テストセット学習」疑惑はオープンウェイトモデルに限らず大手クローズドモデルでも過去に指摘されており、独立した評価機関・評価手法の整備が業界全体の課題となっている。

ポイント

• Llama 4 Maverick / Scout のベンチマーク結果に対する不正疑惑が浮上
• Al-Dahle 氏は「Meta はテストセットで学習することは決してしない」と否定
• Llama 4 はオープンウェイト・MoE アーキテクチャを採用