数据集翻车：multiPL-E 的 MBPP 子集因正则误操作造出 Rsthon

code_star · x · 2026-08-22

作者在挖掘 Token 时发现，multiPL-E 的 MBPP 子集存在严重的数据清洗错误。原意是将 "python" 替换为对应语言名，但错误的正则匹配导致 "py" 被替换，从而生成了 "rsthon"、"swthon"、"gothon" 等荒谬的函数名。

原文链接 →

「研究」频道最新

• 研究发现 NLA 在可解释性实践中难用且易误导 — a_karvonen · 2026-08-22
• 仅靠封面：一个基于 CLIP 的图书推荐系统 — LaidbyKool-aid · 2026-08-22
• 数学形式化工具 span 集成 LLM 进行对抗性审计 — lpachter · 2026-08-22
• NLA 结果出人意料，token 级梯度归因或能帮忙 — aryaman2020 · 2026-08-22
• 开源模型写不了长文：篇幅越长质量越差或严重缩水 — mrdrozdov · 2026-08-22
• 论文质疑可解释性：黑盒提示常胜白盒工具 — aryaman2020 · 2026-08-22

更多「研究」频道 AI 资讯 →