待验证50% 置信事实精确时间

在总计188个模型×基准的组合中，仅有3例存在被两个参照点交叉验证的差异化污染

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

基准污染夸大LLM分数，却难撼动排行榜排名

涉及实体

差异化污染concept

相关事实

待验证只有差异化污染（某些模型被污染得远比其他模型严重）才会扭曲排名，而这种情况在实践中罕见69% 相似待验证近期研究表明部分模型在已知被污染的基准子集上的表现比未污染子集高出10-15个百分点63% 相似待验证该测试样本规模相对有限（5个模型、13个代码库），结论有待更大规模验证59% 相似待验证多重比较问题指同时测试多个模型变体时，即使每个单独检验显著性水平设为0.05，整体假阳性率也会急剧膨胀58% 相似已验证在样本极度不平衡的场景下，即便准确率高达95%，模型也可能完全无法识别少数类57% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/900512

API

curl https://kongchang.com/api/v1/knowledge/claims/900512

MCP

get_claim(id=900512)