Hugging Face 已完成一項龐大工程，成功重現 ICML（國際機器學習會議）中的 2,200 篇論文，並對機器學習研究的可重現性進行了全面評估。這項系統性研究提供了關於已發表 AI 模型當前可靠性的顯著統計洞察，突顯了複製頂尖 AI 發現所面臨的挑戰，對科學界至關重要。

該研究利用 Hugging Face 的生態系統，包括程式庫和模型中心，來標準化這兩千多篇論文的重現流程。此舉建立了一個基準，用於評估程式碼和配置轉化為實際結果的程度。這些結果將幫助研究人員和從業者了解現有模型的可靠性，並為未來的出版標準提供指導。

事件背景

機器學習中的可重現性指的是在運行相同程式碼和資料時獲得一致結果的能力。ICML 是該領域最具聲望的會議之一，為研究質量設定了高標準。Hugging Face 已成為共享模型和程式碼的中心樞紐，促進了研究人員之間更輕鬆的協作與驗證。