跳到正文
热点事件持续更新

arXiv论文揭示Transformer程序准确率隐藏缺陷

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

arXiv于2026年10月16日发布论文《What Accuracy Hides In Learned Transformer Programs》，指出Transformer程序的可读Python代码中存在准确率掩盖问题。研究通过检查发现，token准确率无法反映序列完整正确率，揭示了隐藏的错误风险。 在9个算法任务测试中，某计数任务抽样测试达100%准确率，但全域穷举评估因输出标签缺失而失败，证实了序列完整性的关键性。 研究团队通过增加训练样本并重训模型，在限定域内通过穷举评估，证明程序检查能有效指导数据改进以提升序列准确率。

AI 根据报道生成 · 6 小时前更新

最新进展10月19日 12:00
学习到的 Transformer Programs 中准确率隐藏的问题

报道时间线

沿着报道，了解事件的不同侧面。

10月19日
  1. arXiv · ML
    学习到的 Transformer Programs 中准确率隐藏的问题

    研究通过检查 Transformer Programs 的可读 Python 代码，揭示了 token 准确率掩盖的完整答案错误。 在 9 个算法任务中，发现 token 准确无法反映序列完整正确率；某计数任务在抽样测试达 100% 准确率，但在全域穷举评估中因输出标签缺失而失败。 通过增加训练样本，重训模型在限定域内通过穷举评估，证明程序检查能指导数据改进以提升序列准确率。

本事件热度走势

可比范围当前
8
可比范围峰值
910月19日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。