斯坦福团队被曝抄袭清华系大模型，已删库跑路，创始人回应

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。

2. 时间线逻辑矛盾

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。

3. 技术理解错误与删除质疑

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。

4. 内部数据行为一致性

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。

斯坦福团队已删库跑路

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。