写给科研生的 ML 教材:99.9% 准确率可能等于零发现
bravo_abad · x · 2026-09-20
作者在为理科学生编写教材时,总结出学生绝不能搞错的核心观念,并在博客文章中列出了 11 条通常被当作"技术细节"、实则决定科学结论正确性的 ML 原则:
- 测试集划分定义你的科学主张——划分方式错了,结论就不成立。
- "Ground truth"很少是真的 ground truth,标签本身可能带偏。
- 99.9% 的准确率可能意味着零发现,如果指标没有对准真正的问题。
- 损失函数是一个科学假设,隐含了你认为什么算"对"。
- 没有不确定性的预测往往只是半个预测。
核心论点:好的架构救不了有泄漏的数据划分、有偏的标签或错误的指标。文章配图详解,发布于 Discovery at Scale 博客。
所属事件:科研 ML 教材强调 99.9% 准确率可能等于零发现(2 条相关)→
「研究」频道最新
- 新模型 Day-0 登陆 Diffusers,采用 KV 缓存与解耦 prefill+decode — RisingSayak · 2026-09-20
- 微软研究员提醒：BERT 在 2019 年就被称为 LLM — JFPuget · 2026-09-20
- OpenAI 称解出 Navier-Stokes,被质疑「偷用」数学家的 Codex 会话成果 — ExamImmediate8956 · 2026-09-20
- AI 加速科学发现了吗？网络攻击激增、数学微增、算法无明显变化 — soumitrashukla9 · 2026-09-20
- TovanaEngine：用 5 万条 SWE-bench 运行数据训练本地编码 agent 世界模型 — Decent-Ad9950 · 2026-09-20
- Scrabble 也被 AI 拿下了?传奇棋手 Richards 据称仍能击败引擎 — zuilserip · 2026-09-20