斯坦福 AI 团队发布的 Llama3-V 项目被指抄袭清华系面壁智能的 MiniCPM-Llama3-V 2.5 大模型。网友通过对比代码结构、配置文件、分词器使用时间线及技术细节错误等多重证据，指出两者高度一致。特别是 Llama3-V 在未公开的内部数据（如清华简识别、WebAgent）上表现出与 MiniCPM 惊人相似的行为模式及错误分布，难以用巧合解释。面对质疑，斯坦福团队先删除质疑评论，随后下架 GitHub 和 HuggingFace 项目，最终删除回应。面壁智能 CEO 已正式回应，事件引发业界对学术诚信的关注。
斯坦福AI 团队近期曝出抄袭事件，涉嫌抄袭中国国产大模型成果——模型结构和代码几乎一模一样。此事在 AI 圈内引发震动。
斯坦福的这项研究名为Llama3-V，于 5 月 29 日发布，宣称只需 500 美元就能训练出一个 SOTA（State-of-the-Art）多模态大模型，性能声称优于 GPT-4V、Gemini Ultra 和 Claude Opus。
Llama3-V 的 3 位作者拥有名校头衔及特斯拉、SpaceX 等大厂背景，项目发布后迅速受到关注，一度冲上 HuggingFace 趋势榜首页。
然而，有细心的网友发现该项目的'配方'异常熟悉。经比对，发现其与MiniCPM-Llama3-V 2.5（出自清华系明星创业公司面壁智能）高度相似。
网友随后在面壁智能 GitHub 项目下留言指出抄袭问题，并附上证据：
你们家大模型被斯坦福团队抄袭了！
最直接的证据是两张模型代码的对比图，显示模型结构、代码、配置文件简直一模一样，仅变量名有所更改。
面对质疑，斯坦福团队的做法是删除相关页面，导致 GitHub 和 HuggingFace 上的项目链接均显示 404。
网友整理的证据显示，Llama3-V 的模型架构和代码与 MiniCPM-Llama3-V 2.5 几乎完全相同。配置文件仅修改了图像切片、分词器、重采样器和数据加载等格式化和变量名。
虽然 Llama3-V 作者表示参考了 LLaVA-UHD 架构，但在 ViT 和 LLM 的具体实现上，却与 LLaVA-UHD 不同，反而与 MiniCPM-Llama3-V 2.5 出奇一致。甚至使用了 MiniCPM-Llama3-V 2.5 的分词器，连定义的特殊符号都'巧合'匹配。
针对网友质疑 Llama3-V 作者如何在 MiniCPM-Llama3-V 2.5 发布前使用其分词器的问题，作者声称使用的是面壁智能上一代 MinicPM-V-2 项目。但事实是，HuggingFace 中 MiniCPM-V2 与 MiniCPM-Llama3-V 2.5 的分词器是两个不同的文件，大小也不同。MiniCPM-Llama3-V 2.5 的分词器是用 Llama3 分词器加上 MiniCPM-V 系列模型的特殊 token 组成，而 MiniCPM-V2 的发布都在 Llama3 开源之前，不可能包含 Llama3 分词器。
Llama3-V 作者随后无故删除了网友在页面上提交的质疑。此外，他们对 MiniCPM-Llama3-V 2.5 架构或自己的代码似乎并不完全了解。例如，感知器重采样器（Perceiver resampler）是单层交叉注意力，而非双层自注意力，但 Llama3-V 的技术博客里作者的理解明显错误。
SigLIP 的 Sigmoid 激活也不用于训练多模态大语言模型，仅用于预训练 SigLIP，视觉特征提取不需要 Sigmoid 激活。
基于以上三点，网友认为足以证明 Llama3-V 项目窃取了 MiniCPM-Llama3-V 2.5 项目的学术成果。
网友补充了两点关键证据。首先，尝试运行 Llama3-V 时，发现提供的代码无法与 HuggingFace 的 checkpoint 一起使用，反馈未获回复。将下载的权重变量名改为 MiniCPM-Llama3-V 2.5 后，模型竟能用原代码成功运行。
其次，向 MiniCPM-Llama3-V 2.5 的 checkpoint 添加高斯噪声后，结果与 Llama3-V 极其相似。
收到提醒后，MiniCPM-Llama3-V 2.5 团队展开调查，使用 Llama3-V 的 checkpoint 和 MiniCPM-Llama3-V 2.5 的代码正确获取了推理结果。更为关键的证据出现了：Llama3-V 在一些未公开的实验性特征上表现出与 MiniCPM-Llama3-V 2.5 高度相似的行为，这些特征是根据 MiniCPM-Llama3-V 2.5 团队内部数据训练的。
例如，识别清华简。这是 MiniCPM-Llama3-V 2.5 特有的功能之一，训练图像来自最近出土文物扫描，由团队标注，尚未公开发布。Llama3-V 的识别情况与其极为相似，识别错误的情况也出奇一致。
MiniCPM-Llama3-V 2.5 团队在 1000 张竹简图像上测试了几种基于 Llama3 的视觉 - 语言模型，结果显示每两个模型之间的重叠为零，而 Llama3-V 和 MiniCPM-Llama3-V 2.5 之间的重叠达到了惊人的 87%。
此外，两者甚至具有相似的错误分布。Llama3-V 和 MiniCPM-Llama3-V 2.5 分别做出 236 和 194 个错误预测，重叠部分为 182 个。按照指令获得的 MiniCPM-Llama3-V2.5-noisy 显示出与 Llama3-V 几乎相同的定量结果。
在另一个内部数据训练的未公开功能——WebAgent 上，也出现了同样的情况，Llama3-V 甚至和新定义的 WebAgent 模式中犯的错误都一样。
鉴于这些结果，MiniCPM-Llama3-V 2.5 团队表示很难将这种不寻常的相似性解释为巧合，希望 Llama3-V 作者能对这个问题给出一个正式的解释。
虽然斯坦福的 2 位本科生已经下架了几乎所有与之相关的项目，但在最初面对质疑时，他们曾做出些许解释，强调 Llama3-V 这项工作早于面壁智能的 MiniCPM，只是使用了他们的 tokenizer。
不过作者对 Medium 上的声明做了保留：
非常感谢那些在评论中指出与之前研究相似之处的人。
我们意识到我们的架构非常类似于 OpenBMB 的'MiniCPM-Llama3-V 2.5，他们在实现上比我们抢先一步。
我们已经删除了关于作者的原始模型。
对此，一部分网友表示，既然选择删掉项目，则表示确实存在问题。但也有声音认为，MiniCPM-Llama3-V 2.5 也是在 Llama3 基础上做的改良，直接拿来 tokenizer 是否算借鉴尚有讨论空间。
就在事件发酵期间，斯坦福作者在中午时间做出了最新回应，但随后这条回应也被删除。
而面壁智能这边，CEO 李大海也做出了正式回应。
目前，这一事件仍在持续发酵中，AI 社区对于学术诚信与开源协作的边界进行了广泛讨论。此次风波不仅涉及技术层面的代码复用问题，更触及了科研伦理的核心。对于开发者而言，尊重原创、规范引用是行业发展的基石。随着更多细节的披露，各方期待一个公正透明的调查结果，以维护开源社区的信任机制。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online
