ICML 立场论文:「无标签」不等于「无人类监督」,呼吁披露先验来源
serrjoa · x · 2026-09-05
一篇 ICML 2026 立场论文指出,视觉学习领域把各种方法笼统归入「无监督」的做法已失去意义:没有标签不等于没有人类监督。数据筛选、预处理和训练目标中嵌入了大量人类先验,模型实际依赖这些先验。
论文观察到一个反差:尽管该领域持续增长,自 2021 年以来顶会中以「unsupervised」为题的论文数量急剧下降,说明这一伞形术语已经失灵,导致不同假设下的研究难以公平比较。
作者呼吁社区层面的改进:
- 作者应披露数据选择与学习目标中的先验
- 说明训练流程中哪些组件依赖哪些假设
- 通过标准化披露改善学术交流、保证公平比较、保护方法论多样性
「研究」频道最新
- Astra 从低算力到满配解决率几乎不变，RL 扩展故事遭数据打脸 — zainhas · 2026-09-05
- 开发者在 Minecraft 里跑通果蝇全连接组:166700 个神经元驱动苍蝇运动 — ZeroStateReflex · 2026-09-05
- Aroun 出题:把 RoPE 扩展到张量积架构 — thomasahle · 2026-09-05
- 模型会模糊记住「概念」而非原文:一场关于 SAE 特征与记忆的争论 — voooooogel · 2026-09-05
- 浙大与达摩院 VLA-Corrector：小模型审计划，机械臂成功率大涨 — 机器之心 · 2026-09-05
- 1.5ms 检出幻觉:开源 Spanda 比 Semantic Entropy 快 9 万倍 — Otherwise_Nobody_721 · 2026-09-05