待验证50% 置信事实精确时间

研究表明即使是部分污染（模型只见过题目而非答案），也可能显著提升得分

1

来源数

50%

置信度

长期有效

时效性

2026/8/6

首次发现

来源

AI基准测试为何集体触顶？饱和现象的成因与应对

相关事实

待验证研究表明即使是轻微的数据污染也可能导致评测分数虚高5-15个百分点76% 相似部分验证基准污染指模型在训练过程中已见过测试题目，导致评分虚高、无法反映真实泛化能力74% 相似待验证Scale AI的研究团队发现，部分模型在被污染的基准上的表现比在新编写的同等难度题目上高出10-15个百分点72% 相似待验证评估模型不能只看智能指标，还要看Token使用效率和工具调用次数，工具调用次数过多会导致上下文污染69% 相似待验证斯坦福大学的研究表明，仅通过优化Prompt措辞，就能在某些任务上将模型表现提升20%-50%66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/692635

API

curl https://kongchang.com/api/v1/knowledge/claims/692635

MCP

get_claim(id=692635)