NeurIPS 论文发布可合成生成的概念瓶颈模型基准,揭示新失败模式

berkustun · x · 2026-11-20

Berk Ustun 等研究者在 NeurIPS 2026 评估与数据集赛道发布论文《Measuring What Matters》,为概念瓶颈模型(CBM)构建了合成基准。由于真实世界含概念标注的数据集极少,CBM 一直难以训练和评估;该基准可按需生成带标注的数据集,并控制数据模态、概念选择、标注质量等影响性能的属性。论文演示了基准在决策支持与自动化两大用例中的评估能力,能发现新失败模式并归因于架构还是数据。代码开源,pip install concept-benchmark 即可使用。

原文链接 →

「研究」频道最新

更多「研究」频道 AI 资讯 →