Benchmark Radar 第 76 天：测试集要留出完整录制
Published:
Benchmark Radar 第 76 天。测试集要留出完整录制。本轮抓取 1,316 条，发布 547 条，其中 234 条标为推荐。
Benchmark Radar 已上线。 打开仪表盘、在 GitHub 上 Star，或阅读论文。数据见 Hugging Face 数据集。
milipoint-runs 重新检查了 MiliPoint 雷达数据中的重叠窗口。留出完整的一次录制后，报告的识别准确率从约 94% 降到 37% 至 39%。训练窗口和测试窗口共享帧时，随机划分可能测到对录制内容的识别，难以据此判断对新录制的泛化。 milipoint-runs: run-disjoint evaluation of the MiliPoint millimeter-wave radar dataset。
Inspect AI 0.3.278 为日志和数据表增加任务及样本描述，把工具审查扩展到交接调用，并修复上下文压缩、token 计数和重试问题。评估框架升级后，审计记录和资源计量都可能变化。 UKGovernmentBEIS/inspect_ai 0.3.278。
为什么要在意
比较结果时，应同时记录数据划分和评估框架版本。数据集名称相同，不足以保证两次测量可比。
扫描范围
这是按关键词筛选的发现信息流，不能代表全部 AI 研究。归档简报使用了所收录 547 条证据中的 142 条。本文概述其中引用的发布成果；扫描发现日期不一定是成果的最初发布日期。
数据与简报：2026-10-10 归档快照。