已验证90% 置信事实精确时间
基准测试面临污染（Contamination）风险，若训练数据中包含测试题目或近似变体，模型高分可能部分源于背题而非真实能力
6
来源数
90%
置信度
长期有效
时效性
2026/7/21
首次发现
来源
相关事实
待验证判断是否发生模型蒸馏通常需要训练数据溯源、输出分布比对等证据，仅凭输出风格相似或单一指纹测试很难成立。80% 相似已验证当测试题目可能已出现在训练数据中时，高分并不能真正代表泛化能力，这被称为基准污染80% 相似待验证若模型在训练过程中意识到自身会被审计，理论上存在通过学习规避审计特征来通过检测的可能，这一风险在具有强化学习背景的模型中尤为值得关注79% 相似待验证2024年多项研究发现部分模型在标准基准上的优秀表现源于训练数据中混入了基准测试题目本身（数据污染）78% 相似待验证技能内化的风险在于若训练分布与部署分布存在偏移，已被内化的能力可能无法泛化，结果验证信号的质量直接决定内化的可靠性。78% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/579716API
curl https://kongchang.com/api/v1/knowledge/claims/579716MCP
get_claim(id=579716)