MIT 公开课 6.S950 第 7 课讲义：Outsourced Data 的风险与检查

MIT 公开课 6.S950 Agency with AI 公布第 7 课讲义，主题是使用外部数据集时继承来的选择与风险。课程用 1936 年《文学文摘》民调、Google C4 过滤规则和 FineWeb-Edu 等案例说明数据覆盖偏差与过滤器带来的排除。技术部分给出具体数字：CIFAR-100 移除 891 张近似重复测试图后 ResNet-110 错误率从 26.05% 升到 29.24%，肺炎 X 光模型对图片来源医院的识别准确率超过 99.9%。讲义还讨论了让 Claude Haiku 5.5 等 AI Agent 抓数据时模型悄悄替人做决定的问题，包括 Agent 绕过付费墙和网页提示注入风险。