待验证50% 置信观点精确时间

OpenScience 声称的基准测试排名第一缺乏具体的基准细节、对比对象和评测方法说明

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/27

首次发现

有效期至：2026/12/26

来源

OpenScience：开源AI科研工作台，让智能体自主做实验

涉及实体

OpenScienceproduct

相关事实

待验证孤立的、缺乏第三方验证的AI基准分数几乎没有参考价值，可信成绩需经独立机构复现和可追溯的测试环境72% 相似待验证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71% 相似待验证Anthropic在此次发布中很多基准测试没有报告数据，而OpenAI几乎提供了所有指标71% 相似待验证多数商业检测器不公开其准确率的真实测试结果，该项目仍缺乏可验证的完整数据集和方法论文档71% 相似待验证OpenAI的GPT-4技术报告对训练数据的描述仅寥寥数句，声称出于竞争环境和安全考量不予详述71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/953992

API

curl https://kongchang.com/api/v1/knowledge/claims/953992

MCP

get_claim(id=953992)