待验证50% 置信事实精确时间

在Kaggle竞赛社区已观察到leaderboard overfitting现象，选手通过反复提交反向推断测试集分布导致私榜掉分

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

AQuA模型搜索智能体：评估器为何不可改动

涉及实体

相关事实

待验证根据Kaggle竞赛历史统计，约有15-20%的顶尖方案在赛后被发现存在不同程度的数据泄露问题70% 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）67% 相似待验证过度收紧的护栏会导致过度拒绝（Over-refusal）现象，研究表明经过严格RLHF对齐训练的模型拒绝率可能比实际需要高出3-5倍64% 相似已验证过度的安全微调会导致模型过度拒绝（over-refusal），损害实用性63% 相似待验证漂移检测存在权衡：阈值设置过于敏感会导致频繁误报和不必要的重训，设置过于宽松则可能让模型性能在无感知中持续退化62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/909776

API

curl https://kongchang.com/api/v1/knowledge/claims/909776

MCP

get_claim(id=909776)