แท็ก

#reproducibility

4 บทความ

งานตรวจสอบ preregistered 52,988 คำขอสรุปว่า "ชื่อโมเดล" ไม่ใช่เครื่องมือวัดที่นิ่ง — ส่งคำขอเดิมทุกไบต์ซ้ำวันถัดมาได้อันดับตรงกันแค่ 0.78 จากเกณฑ์ 0.99 และผู้เขียนบอกเองว่าความรุนแรงส่วนหนึ่งเขาสร้างขึ้นมาเอง
งานวิจัย

งานตรวจสอบ preregistered 52,988 คำขอสรุปว่า "ชื่อโมเดล" ไม่ใช่เครื่องมือวัดที่นิ่ง — ส่งคำขอเดิมทุกไบต์ซ้ำวันถัดมาได้อันดับตรงกันแค่ 0.78 จากเกณฑ์ 0.99 และผู้เขียนบอกเองว่าความรุนแรงส่วนหนึ่งเขาสร้างขึ้นมาเอง

3 ก.ย. 2026 นักวิจัยจาก University of Sheffield และ Cambridge เผยแพร่ผลตรวจสอบแบบลงทะเบียนล่วงหน้าที่ล้มเหลวทั้งสองรอบก่อนได้ทดสอบสมมติฐานจริง — ผู้ตัดสิน LLM บนเอนด์พอยต์ที่ใช้ร่วมกันให้อันดับซ้ำในหน้าต่างเดียวกันตรงกันแค่ Spearman 0.400 และการเปลี่ยนผู้ให้บริการ การรอข้ามวัน หรือการโฮสต์เองก็ไม่ช่วย

· อ่าน 8 นาที
Polars 2.0 RC เปลี่ยน LazyFrame ทุกคิวรีไปวิ่งบน streaming engine เป็นดีฟอลต์ — และ breaking change ที่อันตรายที่สุดคือข้อเดียวที่ไม่ throw error
เครื่องมือนักพัฒนา

Polars 2.0 RC เปลี่ยน LazyFrame ทุกคิวรีไปวิ่งบน streaming engine เป็นดีฟอลต์ — และ breaking change ที่อันตรายที่สุดคือข้อเดียวที่ไม่ throw error

2 ก.ย. 2026 Polars ปล่อย 2.0.0-rc.1 ที่เปลี่ยนให้ทุกคิวรี LazyFrame วิ่งบน streaming engine โดยดีฟอลต์ ทีมบอกว่าคาดว่าจะเร็วขึ้นราว 5 เท่าและกินแรมน้อยลงมาก — แต่เหตุผลที่ต้องขึ้นเวอร์ชันหลักคือ streaming engine ไม่การันตีลำดับแถวใน join/group_by/unpivot อีกต่อไป ซึ่งเป็น breaking change เดียวในชุดนี้ที่ไม่ฟ้อง error

· อ่าน 6 นาที
ระดม agent ทำซ้ำงานวิจัย ICML 2,226 ฉบับใน 19 วัน — 23% มีข้ออ้างอย่างน้อยหนึ่งข้อที่ถูกหักล้าง และ 49 ฉบับถูกหักล้างทั้งหมด
งานวิจัย

ระดม agent ทำซ้ำงานวิจัย ICML 2,226 ฉบับใน 19 วัน — 23% มีข้ออ้างอย่างน้อยหนึ่งข้อที่ถูกหักล้าง และ 49 ฉบับถูกหักล้างทั้งหมด

Hugging Face จับมือ alphaXiv จัดแฮกกาธอนให้ผู้เข้าร่วม 1,221 คนใช้ coding agent ทำซ้ำงานวิจัย ICML 2026 ได้ผลครอบคลุม 2,226 ฉบับ (ราวหนึ่งในสามของงานที่ตอบรับ) ตัดสินข้ออ้างรวม 35,908 ข้อ — 51% ยืนยันได้อย่างน้อยหนึ่งข้อ แต่ 23% มีข้ออ้างที่ถูกหักล้าง และผลทั้งหมดถูกปล่อยเป็นชุดข้อมูลสาธารณะ

· อ่าน 6 นาที
Anthropic เปิด Claude Science — เวิร์กเบนช์ AI สำหรับนักวิจัย: เอเจนต์ประสานงาน 60+ สกิล รันบนเครื่องแล็บเอง ตรวจงานตัวเองได้
ผลิตภัณฑ์

Anthropic เปิด Claude Science — เวิร์กเบนช์ AI สำหรับนักวิจัย: เอเจนต์ประสานงาน 60+ สกิล รันบนเครื่องแล็บเอง ตรวจงานตัวเองได้

Anthropic เปิดตัว Claude Science เวิร์กเบนช์ AI สำหรับงานวิทยาศาสตร์ ที่มีเอเจนต์ประสานงานเรียกสกิลกว่า 60 ตัว (จีโนมิกส์ โปรตีโอมิกส์ เคมี) พร้อมเอเจนต์ตรวจทานเช็กการอ้างอิงและการคำนวณ — รันบนเครื่องแล็บเองเพื่อความปลอดภัยของข้อมูล ไม่ใช่โมเดลใหม่แต่เป็นการห่อ agentic workflow เป็นผลิตภัณฑ์แนวตั้ง

· อ่าน 6 นาที