待验证50% 置信事实精确时间

在train/test split之前对整个数据集做StandardScaler归一化会导致测试集的均值和方差信息渗透进训练集

1

来源数

50%

置信度

长期有效

时效性

2026/8/26

首次发现

来源

一个分母引发的数据泄露：量化论文中的隐蔽陷阱

涉及实体

StandardScalertechnology 数据泄露concept

相关事实

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）74% 相似待验证参数量相似的情况下，训练数据质量分布的差异往往比架构差异更能决定特定场景的表现上限74% 相似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72% 相似待验证训练-服务一致性问题指训练阶段离线特征计算与线上实时特征计算存在逻辑差异，可能导致模型线上表现严重劣于离线评估71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/806499

API

curl https://kongchang.com/api/v1/knowledge/claims/806499

MCP

get_claim(id=806499)