研究者:训练方式可致模型学到虚假关联,下周发预印本
anshulkundaje · x · 2026-11-19
斯坦福研究者 Anshul Kundaje 在讨论中指出,模型并不天然学到因果关系:即便精心控制的训练能让模型以较高成功率提出因果假设,特定的训练方法与数据采样策略也可能让模型学到虚假的统计关联,因果性「绝非必然保证」。他表示相关关键预印本论文将于下周发布。
「研究」频道最新
- François Fleuret 热评:恰当归纳偏置反致梯度尖峰,社区因此回避正确的智能模型 — francoisfleuret · 2026-11-19
- Fleuret 犀利观点:完美归纳偏置引发 loss 暴跌,被误读为 loss spikes — francoisfleuret · 2026-11-19
- 开发者做 WebGPU playground 演示 Qwen3.5-0.8B 权重空间编程 — wsxiaoys · 2026-11-19
- Reddit 高赞讨论:ViT 能表达任意卷积层,但小设备上 CNN 先验仍不可替代 — burny_tech · 2026-11-19
- Eval Cards 收录近千模型30万条评测,78%结果无法复现 — davidmanheim · 2026-11-19
- Jason Wei 统计前沿实验室跑分偏好,四大基准被全员采用 — davidmanheim · 2026-11-19