跳到正文
arXiv · 机器人与计算机视觉· Stefan Larson, Kevin Leach·· 24 天前精选AI 评分78

RVL-CDIP 数据质量审计:发现标签错误与测试集污染并发布修正语料

Data Quality in RVL-CDIP: A Systematic Audit

AI 导读

RVL-CDIP 作为文档分类事实标准基准,其报告准确率已达 98.8%。本研究对其进行系统性审计,发现约 10.5% 的 40 万份文档存在错误标签,35.2% 的测试集样本在训练集中有重复或近似副本。

推荐理由

该研究对 RVL-CDIP 基准进行系统性审计,发现标签错误、测试集污染及敏感数据问题并公开修正版。

来源:arXiv · 机器人与计算机视觉 · arxiv.org