关闭广告

加州大学圣地亚哥分校发现:AI评估基准存在滞后性

科技行者951人阅读


这项由加州大学圣地亚哥分校的江训益、常丁艺、朱利安·麦考利和徐鑫等研究人员组成的团队完成的研究,发表于2025年10月8日,编号为arXiv:2510.07238v1。感兴趣的读者可以通过该编号在学术数据库中查询完整论文。

当我们谈论人工智能模型的能力时,就像评判一个学生的学习成绩一样,需要用一套标准化的考试题目来测试。在AI领域,这些"考试题目"被称为基准测试。然而,加州大学圣地亚哥分校的研究团队发现了一个令人震惊的问题:我们用来评估AI模型的这些"考试题目"已经严重过时了,就像用十年前的地理课本来考今天的学生,问的还是"世界人口最多的国家是中国"这样的问题,而正确答案早已变成了印度。

这个问题的严重性超出了人们的想象。研究团队发现,在五个广泛使用的AI评估基准中,竟然有24%到64%的问题答案都已经过时。更糟糕的是,那些能够给出最新、最准确答案的先进AI模型,反而在这些过时的测试中被扣分,就像一个博学的学生因为知道最新知识而在老旧考试中失分一样荒谬。

这项研究的重要性在于,它第一次系统性地揭示了AI评估领域的这个盲点。想象一下,如果我们一直用错误的尺子来衡量物品长

上一页 下一页
版权与免责声明:本文内容转载自其他媒体,目的在于传递更多信息,不代表本网观点或立场,不承担此类作品侵权行为的自己责任及连带责任。
猜你喜欢
精彩推荐

16.98万元起,吉利银河战舰700切入新能源硬派SUV市场

观察者网 浏览 205

蔚来公司12月交付新车48,135台 同比增长54.6%

网易汽车 浏览 853

活塞108-105险胜太阳,阿伦空砍33分,活塞关键时刻连丢罚球

懂球帝 浏览 930

国米官方:博尼左膝轻微扭伤,将在下周接受进一步评估

懂球帝 浏览 900

泽连斯基新年致辞:不要"乌克兰的终结"

中国经济网 浏览 797

综合续航超1500km 加方盒子车身 智己LS9即将上市!

车品 浏览 992

腾势D9将迎来第30万辆交付

大象新闻 浏览 898

微软官方确认:Windows 11任务管理器出问题了!

快科技 浏览 976

两个男演员冲上热搜!举止亲密惹关注

萌神木木 浏览 906

特朗普又来威胁伊朗:若达不成协议 或有坏事发生

财联社 浏览 863

22岁女村支书遇车祸身亡 表姐:本来说好要做我伴娘

极目新闻 浏览 1190

A股总市值接近109万亿元,2026年开启全面牛市需要具备哪些条件?

郭施亮 浏览 1509

张雪峰多平台账号被封28天后解禁 直播时多次感谢网友

极目新闻 浏览 997

夏天发型想清爽又好看,关键一步很多人都没做对

黎贝卡的异想世界 浏览 507

门多萨:为马竞效力是儿时梦想,身边队友小时候在电视上看过

懂球帝 浏览 846

43岁,未婚未育,我收养了38岁闺蜜当女儿

她刊 浏览 420

贡多齐:尤文目前的状态并不理想,我们有足够的实力击败他们

懂球帝 浏览 1050

日本外务省高官今日访华 将解释高市早苗言论

界面新闻 浏览 1000

NBA战报:猛龙110-99骑士取NBA8连胜,英格拉姆37+7+2

懂球帝 浏览 959

中航大学:AI聊天机器人的"假身份证"攻击如何骗过智能助手

科技行者 浏览 1001

降价30万,不是宝马仁慈了,而是被逼没办法

正在说车 浏览 938
本站所有信息收集于互联网,如本站收集信息侵权,请联系我们及时删除
闽ICP备16027347号-4