待验证50% 置信事实精确时间

即便经过去重处理的大规模预训练语料，与MMLU、HellaSwag、GSM8K等主流基准之间的n-gram重叠率仍可达到数个百分点

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

如何正确解读AI排行榜：避开四大陷阱不自欺

涉及实体

MMLUconcept HellaSwagconcept GSM8Kconcept

相关事实

待验证RLHF微调阶段相比预训练在数据量级上通常小2-3个数量级，使安全行为编码为低秩覆写而非底层重塑70% 相似待验证研究人员通过n-gram重叠分析和成员推断攻击可判断特定数据是否出现在模型训练集中，但存在误报率偏高的局限68% 相似待验证基准测试分数与实际应用效果之间往往存在显著差距，MMLU得分略低的模型可能在特定垂直领域表现更好65% 相似已验证在收敛型任务上，模型达到一定规模后存在明显的性能饱和现象，参数量或训练数据的继续增加对准确率的边际贡献快速衰减65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1005178

API

curl https://kongchang.com/api/v1/knowledge/claims/1005178

MCP

get_claim(id=1005178)