待验证50% 置信事实精确时间
benchmaxxing的典型手段包括在训练数据中混入与测试集相似的内容（污染测试集）、精选有利子任务单独展示、刻意回避在权威测试上公开成绩
1
来源数
50%
置信度
长期有效
时效性
2026/9/30
首次发现
来源
涉及实体
相关事实
待验证Benchmaxxing指过度优化特定指标而牺牲整体平衡的行为,在大模型开发中表现为针对已知benchmark精心设计训练数据配比、调整损失函数权重以提升特定任务性能73% 相似待验证样本内外分割是防止过拟合的基本手段，前向验证（Walk-forward Analysis）通过滚动推进训练窗口模拟真实部署的决策过程71% 相似已验证对齐训练优化的是模型在已知场景下的统计行为，而非建立可形式化验证的安全边界，面对训练分布之外的罕见指令组合或角色扮演框架时可能失效71% 相似待验证主流基准测试题目在互联网上已被广泛讨论，模型训练数据中可能存在对题目的记忆，导致基准分数高估模型在真实未见任务上的能力70% 相似待验证Benchmark Contamination occurs when models directly or indirectly encounter test set data during training, artificially boosting their performance on that benchmark70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/960557API
curl https://kongchang.com/api/v1/knowledge/claims/960557MCP
get_claim(id=960557)