ICLR 2025的第一轮评审刚刚结束，苹果一篇声称“小模型在视觉推理上超过GPT-5”的论文遭到公开批评。解放星的研究员杨磊在复制过程中发现官方代码省略了图像输入，修复后准确率急剧下降。随后，他随机检查20个问题，发现其中6个问题的真实地面（GT）标签错误——估计GT的整体错误率约为30%。
Lei Yang在GitHub上提交了一个问题，但只收到了两个回复后被关闭。随后他写了一篇长文警告评论者。该帖子迅速传播，作者团队第二天承认存在“数据生成过程中存在缺陷”，并紧急上传了修正后的基准测试，承诺重新运行实验并更新结果。这一事件在学术界引发了激烈讨论：在大型模型时代，如果自动生成的数据集缺乏人工质量检查，即使是最有声望的公司也可能面临失败。雷阳提醒同伴：“在复制之前，先做个小样本’检查’——别让错误的GT浪费计算能力和通宵。”
若您对人工智能感兴趣，可添加数字化转型网小助手思思微信加入人工智能交流群。若您在寻找人工智能供应商，可联系数字化转型网小助手思思（17757154048，微信同号）
若您为人工智能服务商，可添加数字化转型网小助手Nora，加入人工智能行业交流群。
若您为人工智能创业者，可添加数字化转型网社群主理人Carina，加入人工智能创业交流群。
声明：本文来自网络，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。数字化转型网www.szhzxw.cn
本文由数字化转型网（www.szhzxw.cn）转载而成，来源于网络；编辑/翻译：数字化转型网（Professionalism Achieves Leadership 专业造就领导者）默然
