待验证50% 置信事实精确时间

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

1

来源数

50%

置信度

长期有效

时效性

2026/8/18

首次发现

来源

Meta Muse Glimmer vs 通义千问：30B开源模型高考数学实测对比

相关事实

待验证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76% 相似待验证2024年多项研究发现，部分模型在去污染版本的评测集上得分下降幅度可达10-20个百分点73% 相似待验证品种比例低于5%的检测结果基本不具参考意义，可能是数据库比对噪声，选购时应关注报告是否明确标注比例置信区间而非单纯给出百分比71% 相似待验证研究表明约15-25%的论文在rebuttal后会经历评分变动，其中正向变动的比例略高于负向变动67% 相似待验证业界仿真精度评估通常要求吞吐量误差小于15%66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/771049

API

curl https://kongchang.com/api/v1/knowledge/claims/771049

MCP

get_claim(id=771049)