ICLR紧急勘误：苹果论文30%基准数据出错的背后与应对
ICLR2025一轮审稿刚结束，苹果一篇号称“小模型超越GPT-5”的视觉推理论文即遭公开“处刑”。阶跃星辰研究员Lei Yang在复现过程中发现:最新代码漏掉图片输入，修复后准确率反而暴跌;随即抽
正当ICLR 2025首轮审稿落幕的节点，苹果一篇号称“小模型超越GPT-5”的视觉推理论文突遭公开“审判”。跃星实验室研究员Lei Yang在复现过程中惊讶地发现：最新代码竟遗漏了图像输入模块，待团队修复漏洞后，模型准确率不升反降；随机抽取的20道测试题目中，更有6道参考答案存在标签错误——综合推算整组测试集的Ground Truth错误率已逼近30%。
Lei Yang随后在GitHub提交issue说明问题，仅收获两句官方回复便被火速关闭讨论，促使他连夜撰写长文向审稿人发出警示。事件持续发酵后，研究团队次日迅速发布声明，承认存在“数据生成流程设计缺陷”，并紧急上架修正版基准代码，承诺重新开展实验并更新结果。这场风波再次引发学界对数据质量的深度反思：在大模型自动生成数据集渐成主流的当下，若缺乏人工核验环节，纵使顶尖团队的成果也可能面临“翻车”风险。Lei Yang更以亲身经历提醒同行：“复现前务必对小样本数据进行‘体检’，别让错误标签白白消耗珍贵的算力与时间”。
参考资料：https://x.com/diyerxx/status/1994042370376032701
你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：ICLR紧急勘误：苹果论文30%基准数据出错的背后与应对要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。
相关热点OmniParser是微软AI驱动的SaaS工具，基于YOLOv8和BLIP-2，将UI截图与漫画页面解析为结构化数据，支持UI元素检测、漫画面板分析、对话框及人脸识别，适用于自动化测试、漫画翻译等场景。
通义灵码是贯穿开发全流程的智能编码助手，具备代码智能生成、研发智能问答、多编程语言及编辑器支持、代码安全隐私保障四大核心能力，适用于学生、新手及企业开发者等多类人群，提升编码效率。
基于人工智能的自动化道路巡逻和资产数据收集方案，通过车载相机自动采集路面及周边资产数据，识别裂缝、坑槽等病害并建立数字化台账，同时自动删除隐私图像，实现从被动响应向主动预防的转变，降低巡检成本。
阿里旗下通义智文是一款智能阅读工具，支持网页、论文、图书和自由阅读四种场景，帮助用户快速提取核心观点，节省阅读时间，适合学生、研究人员及职场人士高效处理大量文本。
- 日榜
- 周榜
- 月榜
热点快看