待验证50% 置信事实精确时间

样本级泄露指多个增强样本来自同一原始样本时，若未按原始个体划分而是随机切分，同一实体信息会同时出现在训练集和验证集中

1

来源数

50%

置信度

长期有效

时效性

2026/9/30

首次发现

来源

AI Agent时代：还需要自己写深度学习代码吗？

涉及实体

数据泄露concept

相关事实

待验证预处理泄漏在小数据集上尤为显著，当训练集仅有数百张图像时加入测试集样本会明显改变均值和标准差估计77% 相似待验证在 train/test split 之前对整个数据集做 StandardScaler 归一化会导致测试集的均值和方差信息渗透进训练集，构成数据泄露76% 相似待验证数据泄露分为目标泄露和训练集泄露两类，会导致模型在测试中表现好但上线后失效73% 相似待验证冻结基准可能因数据泄露被纳入模型训练数据而随时间失去区分力，这是一个权衡71% 相似已验证基准数据污染是指测试集公开后其题目可能出现在后续模型的预训练语料中，导致得分反映记忆而非真实推理能力71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/961894

API

curl https://kongchang.com/api/v1/knowledge/claims/961894

MCP

get_claim(id=961894)