研究者谈评测集透明度:组合性评测仍存数据污染隐患
najoungkim · x · 2026-10-27
研究者评论称,业界在评测方向的投入值得肯定,但组合性(compositionality)评测的数据透明度问题仍未解决。她提到此前在做 RExBench 时就试图预防污染问题——因为该评测严格要求所涉研究想法是新颖的,一旦数据泄露会直接破坏评测有效性。她表示自己曾深度投入这一方向后有些心灰意冷,但乐见业界的持续努力。
「研究」频道最新
- MissionReport 基准：540 份政府任务报告仅 3 份全达标 — Exp_Mark · 2026-10-27
- Finch 1 发布：用 50+ 种传感器影像训练的通用地理空间基础模型 — Scobleizer · 2026-10-27
- Skyfall AI 推出工程世界模型 SKY-001:文本转 CAD 构建,3.9 秒 vs GPT-6 的 199 秒 — rohanpaul_ai · 2026-10-27
- 物理学家让 AI 自选课题：两小时产出可登顶刊的论文 — burny_tech · 2026-10-27
- 可解释性研究该分清形式与估计器：均值差转向不如直接梯度下降 — johnhewtt · 2026-10-27
- EMNLP 论文：让 LLM 换个问法，「42」变「3」但蝴蝶仍是帝王蝶 — radamihalcea · 2026-10-27