待验证50% 置信事实精确时间
Benchmaxxing指AI公司为在特定基准测试上取得亮眼成绩而对模型进行针对性优化的行为，也泛指选择性展示最有利测试结果的营销策略
1
来源数
50%
置信度
长期有效
时效性
2026/9/30
首次发现
来源
涉及实体
相关事实
待验证评测游戏（Benchmark Gaming）指AI公司通过选择性使用特定基准测试来最大化模型表现分数的行为，包括数据污染和针对特定评测集过度优化72% 相似待验证从检查点测试到正式发布，模型通常还需要经历微调优化、安全加固、推理效率优化和API适配等流程70% 相似待验证有价值的对比测试工具理想状态下应具备标准化任务集、自动化评分机制和结果可视化呈现能力69% 相似待验证稳健的具身AI评测基准应考虑样本效率和跨随机场景的泛化能力，而不仅是任务完成率和空间精度69% 相似待验证测试设计方法论（等价类、边界值、状态迁移、因果图等）和质量风险评估能力是AI时代测试工程师不可替代的核心竞争力69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/960556API
curl https://kongchang.com/api/v1/knowledge/claims/960556MCP
get_claim(id=960556)