ICLR 审稿抓包：论文任务是放手机进抽屉，配图却是土豆和盘子
ziv_ravid · x · 2026-11-10
一条盘点 ICLR 2026 奇葩审稿与论文翻车现场的推文（系列第 10 条）：一篇关于 agent 如何从错误中恢复的论文，其 Figure 7 中任务本应是「把手机放进抽屉」，但展示的运行轨迹全是土豆和盘子，环境却返回了 TASKSUCCESS。审稿人在 Questions for Authors 中点名这一矛盾，给出 2 分 weak rejection。
这个案例既好笑也暴露了 agent 基准评测环境的真实性问题：任务判定与实际执行内容脱节。
「Fun」频道最新
- 网友吐槽 Fable 5.2 命名:有信心就该叫 5.5 — max_paperclips · 2026-11-10
- 媒体标题翻车现场:黄仁勋登上圣诞「淘气名单」榜首 — var_epsilon · 2026-11-10
- 网友挑战 Fable 5.2 做黏土动画，效果出乎意料地好 — dfeinition · 2026-11-10
- 开发者不满 X 登录墙:未登录看不到链接将转投其他平台发文 — Darpinian · 2026-11-10
- 「最好的创始人没有爱好」引争论：摩根洛克菲勒都被翻出来反驳 — zacharynado · 2026-11-10
- Ashlee Vance 拍 SendCutSend 创始人：一辆 Teslonda 改变美国制造业 — kyliebytes · 2026-11-10