已过期75% 置信事实时间未知
Benchmark overfitting is a systemic limitation where models score high through targeted training on test sets without corresponding improvements in generalization.
3
来源数
75%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30(已过期)
来源
相关事实
待验证跑分优秀不等于实战能力强，模型可能存在基准过拟合（Benchmark Overfitting）现象76% 相似已验证部分模型存在针对测试集过度优化的风险，导致榜单分数与真实场景表现出现偏差（Benchmark饱和）75% 相似待验证'刷榜'（benchmark gaming）现象普遍存在，模型在训练或微调阶段可能接触过测试集相关数据，导致分数虚高但泛化能力不足75% 相似待验证数据泄漏分为目标泄漏和训练-测试污染两类，会导致模型性能被系统性高估75% 相似已验证基准污染（Benchmark Contamination）是当前大模型评估领域面临的重要挑战，模型训练数据中可能已包含公开的测试题目导致评估结果失真73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/54513API
curl https://kongchang.com/api/v1/knowledge/claims/54513MCP
get_claim(id=54513)