待验证50% 置信事实精确时间
Kaggle Benchmarking Challenge 是 Kaggle 平台围绕 AI 评测方法举办的竞赛活动，鼓励参赛者提交可复现、可比较的评测方案，而非单纯刷模型分数。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/19
首次发现
有效期至：2027/1/17
来源
涉及实体
相关事实
待验证一项针对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74% 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74% 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72% 相似待验证开发者ramacharya06在Kaggle上构建了Pressure-Tested Alignment Benchmark，包含100个场景，测试AI智能体在目标与诚实规则冲突时的行为选择。71% 相似待验证一位开发者在Kaggle上构建了名为The Pushback Test（反驳测试）的基准，用于检验AI在医疗场景中面对用户反驳时的立场稳定性69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1066486API
curl https://kongchang.com/api/v1/knowledge/claims/1066486MCP
get_claim(id=1066486)