Tampered ML 基准发布：评估 LLM 对机器学习研究的判断能力
热点事件持续更新
Tampered ML 基准发布：评估 LLM 对机器学习研究的判断能力
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
2026年10月26日，arXiv 上的人工智能论文报道，Soroush Ebadian 等作者发布 Tampered ML 基准，用于评估大语言模型对机器学习研究的判断能力。该基准包含 1,858 组条目对，每组由一篇已发表机器学习论文重构的实验提案，以及引入针对性方法缺陷的最小改动反事实版本组成；模型需在两种呈现顺序下判断哪份提案的方法更严谨。人类验证估计 86% 条目有效（95% CI：81-91%）。前沿模型表现高于随机但远未可靠，其中 Opus 5 准确率为 77.9%。报道还称，模型对呈现顺序高度敏感，并偏好看起来更具体、透明或常规的有缺陷设计。目前事件进展限于该基准的发布与初步评估结果，尚无后续跟进报道。
AI 根据报道生成 · 1 小时前更新
最新进展10月26日 12:00
Tampered ML：评估 LLM 对机器学习研究的判断能力报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv Artificial IntelligenceTampered ML：评估 LLM 对机器学习研究的判断能力
研究者推出 Tampered ML 基准，含 1,858 组条目对，每组由一篇已发表机器学习论文重构的实验提案与引入针对性方法缺陷的最小改动反事实版本组成，模型需在两种呈现顺序下判断哪份提案方法更严谨。人类验证估计 86% 条目有效（95% CI：81-91%），前沿模型表现高于随机但远未可靠，Opus 5 准确率 77.9%。模型对呈现顺序高度敏感，并偏好看起来更具体、透明或常规的有缺陷设计。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。