MMTEB榜单受训练集污染
antoine_chaffin · x · 2026-07-15
这条帖子的核心是在说：按 SpartQA 和 MIRACL 排序会得到很有意思但也很“危险”的结果。
回复里补充了背景：这两项其实是 MMTEB leaderboard 的官方任务之一。当前没有模型能在这些任务上自然地拿到漂亮分数，除非模型在训练时直接用了这些特定数据集的训练集。也就是说，榜单上的一些高分更多反映了数据泄漏/记忆，而不是真正的泛化能力；有些“全局第一”的模型，在其他任务上甚至可能整体更差。
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
- EdgeRock-4B KV cache 256K 上下文仅 72 MiB,比 Qwen3.5-4B 小 99.1% — alifcoder · 2026-10-27
- TRL 上线 Score Centering：直击 RL 训练不稳定的根因 — lvwerra · 2026-10-27
- Latent-Foresight:让世界模型学着预判自己的未来 — abursuc · 2026-10-27
- 英国 AISI 发文：现有手段不足以防生物 AI 工具被滥用 — davidmanheim · 2026-10-27
- CMU 发布 XYBench:LLM 只答字面问题,常无视用户真实需求 — valentina__py · 2026-10-27
- arXiv 前主席提示:投稿主分类选错,论文几乎必被搁置 — tdietterich · 2026-10-27