
بازتولید ۲۲۰۰ مقاله ICML توسط هاگینگ فیس
هاگینگ فیس گزارش بازتولید ۲۲۰۰ مقاله از کنفرانس ICML را منتشر کرد. این تلاش نشان داد که بسیاری از مقالات به دلیل نبود کد، داده یا جزئیات کافی قابل بازتولید کامل نیستند.
هاگینگ فیس در تاریخ ۱۳ اوت ۲۰۲۶ گزارشی از پروژه بازتولید ۲۲۰۰ مقاله از کنفرانس بینالمللی یادگیری ماشین (ICML) منتشر کرد. این پروژه با هدف ارزیابی قابلیت بازتولید نتایج پژوهشهای منتشرشده در یکی از معتبرترین کنفرانسهای حوزه یادگیری ماشین انجام شد. بر اساس این گزارش، بازتولید کامل نتایج بسیاری از مقالات با دشواری همراه بود. عوامل اصلی این دشواری شامل عدم انتشار کد منبع، نبود دادههای مورد استفاده یا ارائه جزئیات ناکافی درباره روششناسی و تنظیمات آزمایش است. در برخی موارد، حتی با وجود کد و داده، تفاوت در محیط اجرا یا نسخه کتابخانهها مانع از بازتولید دقیق نتایج شد. این پروژه بر اهمیت شفافیت و مستندسازی دقیق در پژوهشهای یادگیری ماشین تأکید دارد. نویسندگان گزارش پیشنهاد میکنند که کنفرانسها و مجلات علمی استانداردهای سختگیرانهتری برای انتشار کد و داده همراه مقالات وضع کنند تا قابلیت بازتولید بهبود یابد. برای توسعهدهندگان ایرانی، این گزارش حاوی درسهای عملی است. هنگام پیادهسازی مقالات یادگیری ماشین، توجه به جزئیات پیادهسازی و مستندسازی دقیق آزمایشها میتواند از اتلاف وقت جلوگیری کند. همچنین، استفاده از مخازن کد و دادههای باز میتواند فرآیند بازتولید را تسهیل کند و به توسعهدهندگان کمک کند تا نتایج پژوهشهای جدید را با اطمینان بیشتری به کار گیرند.
این مدل در اپکس۲۴ قابل دسترس است
یک کلید API — ۵۰+ مدل هوش مصنوعی




