全部 未讀 (11821) ★ 收藏 (0) 🤖 人工智能 (7594) 📊 商业科技 (1791) 💻 软件编程 (1198) 📁 个人成长 (736) 🎨 产品设计 (209) 📁 生活文化 (109) 📁 投资财经 (71) 📁 媒体资讯 (69) 📁 AI 产品 (39) 📁 AI (5)
篩選中: 🏷️ 数据污染 共 2 篇 ✕ 清除篩選
11823
全部文章
11821
未讀
140
今日新增
0
收藏
📡 Poller 最後抓取: 1 小時前 (04-16 14:00)
BestBlogs 精選 (11804)

🏷️ 熱門標籤

AI Agent 1324 AI 智能体 734 Claude Code 645 Anthropic 622 LLM 563 AI 编程 501 OpenClaw 498 开源 439 AI 安全 396 AI 396 Claude 384 OpenAI 362 软件工程 354 开发者工具 343 生产力 308 GitHub 251 自动化 238 AI 基础设施 227 AI 开发 225 MCP 223
● 关于 AI 评估基准因果隔离的思考 — LessWrong
📌 一句话摘要 本文探讨了在 AI 评估中防止数据污染和基准测试作弊的系统性挑战，并主张转向基于现实世界、非确定性的任务基准测试。 📝 详细摘要 作者分析了 AI 模型对公共基准测试过拟合的顽疾，这一现象是由训练数据污染以及难以维持真正私有的评估集所导致的。文章批评了当前的缓解策略（如留出集和互
📅 2026-04-03 02:16 (13 天前) Dentosal 人工智能 1 分鐘 ★ 86
AI 基准测试 AI 安全 数据污染 模型评估
● 对 SWE-bench 的质疑与新的模型评估方法
📌 一句话摘要 Lee Robinson 讨论了 SWE-bench 结果的数据污染问题，并提倡对 AI 编程模型采用离线基准测试与在线评估相结合的混合方法。 📝 详细摘要 针对 Cursor AI 针对智能体编程任务推出的新评分方法，Lee Robinson 指出，由于数据污染（即模型记住了特
📅 2026-03-13 02:06 (03-13 02:06) Lee Robinson 人工智能 3 分鐘 ★ 86
SWE-bench 模型评估 数据污染 AI 编程