5个基准490个深度学习故障分析显示现实性缺陷

2026年10月20日，arXiv cs.lg领域发布一项针对深度学习故障基准的研究。该研究对5个基准中涉及的490个故障进行了人工分析，筛选出305个符合条件的样本进行深入考察。 研究重点评估了故障与原始代码的对应程度、类型分布及可复现性。结果显示，仅有15.4%的故障满足“真实”标准，且仅54%的复现尝试取得成功。 这一发现揭示了当前深度学习故障检测与修复评估所依赖的基准数据存在显著现实性缺陷，进而影响了相关技术有效性验证的可靠性。

AI 根据报道生成 · 53 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。