MMTEB榜单疑有训练集污染
antoine_chaffin · x · 2026-07-15
这条回复补充了一个关于 MMTEB leaderboard 的重要观察：其中有两个官方任务，很多模型在这些任务上表现并不理想。
作者指出，表现“看起来很好”的少数模型，往往是因为直接使用了对应数据集的训练集，而不是因为真正的泛化能力。这意味着榜单结果可能被数据泄漏/训练集污染显著影响；也就是说，有些顶尖排名并不代表模型在更广泛任务上真的更强。
所属事件:MMTEB排行榜陷训练集数据污染争议(3 条相关)→
「研究」频道最新
- MissionReport 基准：540 份政府任务报告仅 3 份全达标 — Exp_Mark · 2026-10-27
- Finch 1 发布：用 50+ 种传感器影像训练的通用地理空间基础模型 — Scobleizer · 2026-10-27
- Skyfall AI 推出工程世界模型 SKY-001:文本转 CAD 构建,3.9 秒 vs GPT-6 的 199 秒 — rohanpaul_ai · 2026-10-27
- 物理学家让 AI 自选课题：两小时产出可登顶刊的论文 — burny_tech · 2026-10-27
- 研究者谈评测集透明度:组合性评测仍存数据污染隐患 — najoungkim · 2026-10-27
- 可解释性研究该分清形式与估计器：均值差转向不如直接梯度下降 — johnhewtt · 2026-10-27