待验证50% 置信事实精确时间
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）
1
来源数
50%
置信度
长期有效
时效性
2026/7/24
首次发现
来源
相关事实
已验证基准测试面临污染（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78% 相似待验证智能体的偏好受训练数据、提示词、版本迭代等多重因素影响，今天有效的优化手段可能在下一次模型更新后失效76% 相似待验证MMLU、GSM8K、HumanEval三大基准均已出现不同程度的污染问题，研究者发现多款主流模型训练数据中存在与测试题高度重叠的内容75% 相似待验证数据标注质量直接决定了模型训练的上限，专业领域的标注需要领域专家参与75% 相似待验证基准的干净具有时效性——一旦测试题目公开传播，未来的模型训练很可能将其吸收，公平性随之衰减74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/605909API
curl https://kongchang.com/api/v1/knowledge/claims/605909MCP
get_claim(id=605909)