待验证50% 置信事实精确时间
许多量化工具默认使用维基百科或C4语料作为校准集，而评测者计算KLD时也常从同一语料采样，造成校准集与评测集之间的数据泄漏。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/24
首次发现
有效期至：2027/1/22
来源
涉及实体
相关事实
待验证内容校验和是对数据内容计算出的固定长度摘要（如MD5、SHA-256等），内容任何微小变化都会导致校验和显著不同。66% 相似待验证当评估集显示词汇不匹配类错误占主导时，混合搜索（关键词加向量）才有充分理由，收益可以被量化。64% 相似待验证LLM评测中高准确率可能是信息泄漏的产物而非真正推理能力，尤其在CIF文件等同时包含多个属性字段的结构化科学数据中突出63% 相似待验证级联式 ASR 端点检测能获得语义信息，但引入对转写结果的强依赖，带来识别错误传导和延迟累积问题63% 相似待验证评估系统时不能只看 recall@k 等检索指标，而应把端到端的答案准确率、冲突消解正确率和拒答合理性作为核心监控指标。63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1094696API
curl https://kongchang.com/api/v1/knowledge/claims/1094696MCP
get_claim(id=1094696)