热点事件持续更新
Telco Customer Churn基准的信任性审计：99%准确率隐藏成本
1 篇报道1 个报道来源4 小时前 更新
先了解这件事
AI 综述
2026-10-02，arXiv · Machine Learning Theory 发表对 IBM Telco 客户流失基准（n=7,043）的审计。发现预拆分 SMOTE 使流失类 F1 虚高 13.1 个百分点，约 36% 合成训练点是测试集实例的最近邻插值；TotalCharges 与 tenure×MonthlyCharges 的 R²=0.999，移除后准确率变化不足 0.2 个百分点但 TreeSHAP 将其排在第九位，误导解释。
AI 根据报道生成 · 3 小时前更新
最新进展10月2日 12:00
arXiv 论文发布，披露 IBM Telco 流失基准存在数据泄露与特征冗余问题，F1 虚高 13.1 个百分点。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv · Machine Learning Theory精选99% 准确率的隐藏成本：电信客户流失基准的可信度审计
论文审计了 IBM Telco 客户流失基准（n=7,043），发现预拆分 SMOTE 使流失类 F1 虚高 13.1 个百分点，约 36% 合成训练点是测试集实例的最近邻插值；TotalCharges 与 tenure×MonthlyCharges 的 R²=0.999，移除后准确率变化不足 0.2 个百分点但 TreeSHAP 将其排在第九位，误导解释。
本事件热度走势
当前热度 9·可比范围峰值 10（10月2日 13:00）·近 24 小时可比范围变化 –
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。