论文称只训练0.77%参数，发布版却用了6.31%
yoavartzi · x · 2026-07-23
论文可复现性和同行评审问题并不新
发帖者认为，这类信任与复现问题早就存在，哪怕放到 15 年前也可能会得到类似结论。他承认同行评审体系有问题，但也强调，尽管存在缺陷，科学系统整体上仍然是“巨大净收益”。
在回复里，他给了一个更具体的例子：某论文把“只训练基座模型 0.77% 参数”写成方法卖点，但实际发布的 checkpoint 训练了 6.31% 的参数，约为前者的 8 倍。所谓 0.77% 只在更苛刻的条件下成立，属于他所说的一类“声明与实际不一致”的问题。
所属事件:研究称 AI 论文复现失败多因代码缺失(3 条相关)→
「研究」频道最新
- 自动编码器把数据压到潜空间,靠重构误差识别异常 — burny_tech · 2026-07-23
- OpenAI 事件与新论文都在说明：AI 监控器仍会漏掉隐藏破坏 — TheTuringPost · 2026-07-23
- 15 篇 AI 工程师必读经典论文，覆盖 Transformer 到 RLHF — kalyan_kpl · 2026-07-23
- 跨编辑追踪源 ID，溯源可变成可证伪命题 — tallmetommy · 2026-07-23
- 30 道 PyTorch 题覆盖推理系统、量化与 KV cache — kalyan_kpl · 2026-07-23
- NeurIPS 设儿童安全工作坊，聚焦隐私与合成内容风险 — chhaviyadav_ · 2026-07-23