已验证65% 置信事实精确时间
数据泄漏分为目标泄漏和训练-测试污染两类，会导致模型性能被系统性高估
3
来源数
65%
置信度
长期有效
时效性
2026/7/16
首次发现
来源
相关事实
已验证数据泄露分为目标泄露和训练集泄露两类，会导致模型在测试中表现好但上线后失效84% 相似已验证若用含测试集的全量数据计算均值和标准差，会导致预处理泄漏，使评估指标虚高，无法真实反映模型泛化能力80% 相似已验证过拟合是指模型在训练数据上表现优异，但在未见过的测试数据上性能大幅下降的现象80% 相似待验证无约束的递归自我改进可能导致性能漂移、成本失控甚至训练数据的泄漏污染79% 相似待验证Overfitting occurs when a model merely memorizes training data without being able to handle new data, while underfitting occurs when the model is too simple to capture patterns even in the training data.77% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/533691API
curl https://kongchang.com/api/v1/knowledge/claims/533691MCP
get_claim(id=533691)