Alors si effectivement, depuis toutes ces années et toutes ces submissions, ML n’a pas encore appris qu’en France (et dans beaucoup d’autres pays), un collège ou un lycée est systématiquement refusé par la communauté pour le motif “c’est une école pour enfants” c’est qu’il n’apprend rien et qu’il mérite juste le terme de Machine mais pas Learning ![]()
The implication is that none of the texts or photos admitted it was a school for children.
En France, en dehors du titre “collège ou “lycée”, depuis les attentats d’il y a plus de 10 ans, il est impossible de ne pas reconnaitre sur les photos une école, un collège ou un lycée… pour enfants. Il y des barrières de protection devant de manière à ce qu’aucune voiture ne puisse s’arrêter ou monter sur le trottoir pour faucher les jeunes.
For an automated system, using the existence of protective barriers to be a definitive indicator of a children’s school seems very unwise.
Just because it doesnt learn the way you want it to does not mean it is not learning.
Plutôt juste parce qu’il n’apprend pas les critères de refus ou d’acceptation qui sont les règles de base de Wayfarer. Ce n’est pas moi qui fais les règles et je trouve très étrange de voir un grand nombre de soumissions validées par ML qui ne respectent pas les simples basics des règles.
ML does not approve submissions. It may allow them into community review. I think this is the best scenario.
Its not more accurate to say, you dont know the mechanisms it goes through. You are talking about very niche scenarios in the grand scheme of things, and as Cyndie said ML doesnt approve it, it just doesnt make a decision on it, which is the best case scenario on “niche” examples.
Ok “do not reject” ![]()
It is not “very niche scénarios”. Malheureusement. Entre les marqueurs de randonnée ou tables de pique-nique rejetés et sur lesquels l’appel est (bien entendu) systématiquement accepté, les titres bourrés de fautes d’orthographe ou carrément illisibles, les photos presque noires ou identiques en 1 et 2 qui ne permettent pas de juger sérieusement (vraiment beaucoup), les abus grossiers avec une densité incroyable de pokestops autour d’une seule maison,… je trouve que la qualité de ce que j’évalue s’est effondrée ces derniers mois.
Je n’attends pas qu’un process automatique juge ce qui est digne d’être explorer ou ce qui est distinct ou non. Mais laisser passer des textes, photos ou catégories qui violent les critères du règlement ça me semble juste le minimum attendu d’un service de pré-sélection et/ou élimination en 2026.
This is a judgement call and im glad ML leaves it to reviewers to decide.
This isnt against criteria per say, and reviewers could use other context clues avaiable to them (not all nominations need a supporting photo.
Thats bound to happen as the game board fills up more and more.
donc vous êtes heureux d’évaluer des ghhgggt hhjjy ? Moi non… j’ai l’impression de perdre mon temps.
Et comme manifestement il semble normal que ML laisse tout passer, je vais désormais me contenter d’attraper des Pokémons en attendant que le jeu se dégrade toujours plus puisque c’est normal.
Does not change the rest of my answer. For example, if the ML model is set to decline all protective barriers, that would decline pedestrian walkways and greenways with safety guides as well. If the ML is set to reject anything marked as a school on Maps, that would reject institutions of higher learning that are eligible. I think a baseline of “nothing can be detected that might be eligible and we will leave the rest for human review” is the way to go with the automated process.
Ive come from a time before ML, so I don’t see it any different, ML has helped a tremendous amount.
It doesn’t let everything slide, we have seen when ML has gone offline, and its very obvious at that point everything that it filters succesfully.
The ML is working very efficently. I only get to review the obscure, strange contributions.
Thats why i skipped several after loggin in, and giving up reviewing for the rest of the weekend after having 10 bad contributions
![]()