已验证75% 置信事实精确时间

数据污染（data contamination）指测试题目已出现在预训练语料中，导致模型高分表现更接近记忆而非推理

3

来源数

75%

置信度

长期有效

时效性

2026/9/21

首次发现

来源

OpenAI组建数学与AI顾问团：为AI成果把关

涉及实体

data contaminationconcept

相关事实

待验证数据污染问题指模型可能在训练阶段已见过研究者尚未正式发表的思路或部分证明79% 相似待验证基准污染指评测题目已进入模型训练数据，导致模型在'背答案'而非真正推理，使评测分数虚高且无法反映实际能力78% 相似已验证当模型训练数据包含评测集题目或高度相似内容时，模型可能通过记忆而非真正理解获得高分75% 相似待验证数据配比指在预训练数据集中不同类型数据的混合比例，会深刻影响模型的能力分布73% 相似待验证在污染基准上模型可直接从参数记忆提取答案而非依赖上下文检索，使报告的无损压缩结论失去意义71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/939212

API

curl https://kongchang.com/api/v1/knowledge/claims/939212

MCP

get_claim(id=939212)