待验证50% 置信观点精确时间

公开基准（如ETT、Weather、PEMS数据集）与真实业务场景之间存在显著分布差异，导致基准虚高现象

1

来源数

50%

置信度

长期有效

时效性

2026/7/10

首次发现

来源

Toto-2.0：多变量时间序列预测迈入基础模型规模化时代

redditr/datascience2026/7/9

相关事实

待验证NLP基准数据集被广泛使用后会出现数据污染（Data Contamination）现象，导致基准分数虚高62% 相似待验证基准过拟合和数据污染会导致模型通过记忆而非真正理解获得高分，使公开基准分数可信度存疑62% 相似待验证数据多样性对模型泛化能力的影响往往比数据规模更为根本，仅在特定分布上过度拟合的模型在真实部署时表现骤降62% 相似待验证公开数据集普遍存在标注不连续问题，尤其是远处车道线标注频繁缺失62% 相似待验证仓储环境数据采集面临运营中断成本高、隐私合规限制严格、场景布局频繁变动等障碍，使合成数据在该垂直场景替代价值突出61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/464884

API

curl https://kongchang.com/api/v1/knowledge/claims/464884

MCP

get_claim(id=464884)