待验证50% 置信事实精确时间
一项针对Kaggle提示注入评测的离线审计工作，为三个公开的Kaggle任务构建了分数审计工具，用于验证已有基准分数的真实含义，而非重新运行模型或训练新系统
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证一位开发者在Kaggle Benchmarking Challenge中构建了名为Unlearning Security Audit的基准测试，用于检验大语言模型能否识破伪装的遗忘代码75% 相似待验证该基准测试基于Kaggle Benchmarks平台，每个模型共需回答287道计分题，涵盖数字、动词、翻译、完形填空、纠错五个维度70% 相似待验证建议做2-3个端到端项目，覆盖分类、回归和真实脏数据的Kaggle项目等不同问题类型70% 相似待验证K折交叉验证将数据均分为K份，轮流以其中一份作为验证集，其余K-1份作为训练集，最终取K次结果的均值69% 相似待验证一位开发者在Kaggle Benchmarking Challenge中提交了一个新基准测试，衡量每个正确答案的成本而非单纯的模型价格69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1002476API
curl https://kongchang.com/api/v1/knowledge/claims/1002476MCP
get_claim(id=1002476)