待验证50% 置信事实精确时间

该研究将基准污染问题重新定义为对锚题不变性（anchor-item invariance）的违背

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

基准污染夸大LLM分数，却难撼动排行榜排名

涉及实体

锚题不变性concept

相关事实

待验证对于闭源模型，外部研究者几乎无法有效检测数据污染59% 相似待验证综述指出大多数模型在外部验证时表现失效，主要原因是领域偏移和MLOps实践缺失57% 相似待验证验证集和测试集不应做任何数据增强，一旦施加变换会引入系统性偏差，破坏对模型泛化能力的无偏估计56% 相似待验证数据污染（data contamination）指模型在训练过程中已经见过测试集中的数据，导致评测成绩虚高56% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/900505

API

curl https://kongchang.com/api/v1/knowledge/claims/900505

MCP

get_claim(id=900505)