待验证50% 置信事实精确时间
目标泄漏发生在特征包含关于目标的信息、而这些信息在预测时本不应合法可用时，或者目标或评估过程的信息以无效方式进入训练时，会导致模型评估产生误导。
1
来源数
50%
置信度
长期有效
时效性
2026/10/19
首次发现
来源
涉及实体
相关事实
待验证在 Agentic 场景中，错误来源可能是 prompt 设计缺陷、工具 API 返回格式不符预期、多步推理中的信息损耗或模型领域知识盲区78% 相似已验证数据泄漏是指测试集信息在训练阶段被模型间接看到，导致评估指标虚高，是机器学习研究中最常见也最隐蔽的方法论缺陷之一，在医疗预测领域尤为危险77% 相似已验证数据泄露指本不应出现在训练数据中的未来信息或目标相关信息意外流入特征集，常见于时间序列误用未来特征或归一化在划分前执行76% 相似待验证基于模型内部特征的推断方法面临误报与漏报的权衡76% 相似待验证数据泄漏是因意外引入测试集信息而导致模型评估虚高的陷阱，常见形式包括在划分数据集之前就对全量数据做标准化或使用时间上因果倒置的特征74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1070151API
curl https://kongchang.com/api/v1/knowledge/claims/1070151MCP
get_claim(id=1070151)