待验证50% 置信事实精确时间
发布 HakemBench 的实验室自家模型成绩不是盲测的，且早期测试结果曾影响过该模型的训练数据，导致其在安全护栏、内容审核和客户支持三个赛道的分数被标记为可能受污染
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/5
首次发现
有效期至：2027/1/3
来源
涉及实体
相关事实
待验证2023年前后包括BIG-bench、HELM在内的多个学术benchmark被指出存在测试集污染问题，即模型训练数据中可能已包含评测题目导致成绩虚高78% 相似已验证基准污染是指测试题目可能已出现在训练数据中，导致高分不能真正代表泛化能力71% 相似已验证基准污染（Benchmark Contamination）是当前大模型评估领域面临的重要挑战，模型训练数据中可能已包含公开的测试题目导致评估结果失真70% 相似待验证基准饱和指当模型性能提升到一定程度后，基准测试不再能够有效区分不同模型之间的能力差异68% 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67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/975450API
curl https://kongchang.com/api/v1/knowledge/claims/975450MCP
get_claim(id=975450)