ReImageNet 论文揭示 ImageNet 12% 标签错误
ducha_aiki · x · 2026-08-21
一篇题为《Doomed to Re-Annotate, Forever: The ImageNet Story》的论文发布了 ReImageNet，这是对 ImageNet-1k 验证集的全面重标注工作。研究发现，原数据集中约 12% 的标签不正确，33.3% 的图像包含多标签，3.8% 不含任何 ImageNet 类别的对象。使用新标签后，监督模型的 Top-1 准确率提升高达 1.2%，多模态大模型（MLLMs）提升 5-6%。论文认为，这种规模的数据集标注无法一次性完成，必须通过人类与 LLM 协作配合工具进行反复细化。
所属事件:ReImageNet 发布：ImageNet 验证集重注揭 12% 标签错误(3 条相关)→
「研究」频道最新
- 把快程序编译成慢神经网络？开发者吐槽这类实验实用价值存疑 — ctjlewis · 2026-10-16
- 新论文提出用显示偏好法辨析 AI Agent 合作的动机 — brwilder · 2026-10-16
- 用 logit lens 透视 Beat Saber 微调模型：音符生成复用语言语法回路 — ctjlewis · 2026-10-16
- 128×128 记录难破：中间步骤实验如何预言了推理模型 — ctjlewis · 2026-10-16
- TeamFusion 研究:用偏好代理互搏替代 AI 总结,保住团队少数派声音 — burkov · 2026-10-16
- MIT 推出 C-GMT:人形机器人全身柔顺响应,不再硬抗外力 — MIT_CSAIL · 2026-10-16