待验证50% 置信事实精确时间

评测基准面临数据污染问题，训练数据可能已包含测试题目导致分数虚高，GPT-4技术报告中OpenAI首次公开讨论了这一问题

1

来源数

50%

置信度

长期有效

时效性

2026/8/8

首次发现

来源

手握GPU集群却不知做什么？AI项目选题实战指南

相关事实

待验证上述基准数字来自Qwen官方报告，独立排行榜仍在验证中，存在测试集训练的质疑66% 相似待验证Perplexity官方尚未公开发布完整的基准测试数据和详细评估方法报告61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/707646

API

curl https://kongchang.com/api/v1/knowledge/claims/707646

MCP

get_claim(id=707646)