# Alec Radford 用只学到 1930 年的模型，接下了哈萨比斯的 AGI 考题

> 原标题：哈萨比斯出的难题，GPT之父接上了：用一个知识停在1930年的模型

- 来源：机器之心 · 公众号
- 发布时间：2026-04-30T04:50:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/12612
- 原文：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651031116&idx=2&sn=fb6006ee2ab440c5bd27906b24641b4c

## 摘要

Alec Radford 团队训了一个 13B 的模型，训练数据全是 1931 年之前的英文文本，总共 2600 亿 token。他们拿这个“活在 1930 年”的模型去测对近 5000 个历史事件的意外程度，还用了 HumanEval 来评估代码能力，因为 HumanEval 的题是 2021 年发布的，模型没见过，能减少数据污染。

## 推荐理由

Alec Radford 团队用 1931 年前英文文本训练 13B 模型，以近 5000 个历史事件测其对战后事件的意外程度，为数据污染与评测设计提供参照。

## 锐评

13B 模型只喂 1931 年前的文本，还能对战后事件有模糊感知，这个结果比 HumanEval 那部分有意思。数据清洗做得再狠，模型照样能从统计规律里把没见过的年代拼出来，做评测的人拿 HumanEval 当无污染基准，恐怕得重新想想它到底干净在哪。2600 亿 token 训一个 13B，成本不算离谱，这种对照实验的门槛其实不高，比刷榜实在。
