待验证50% 置信事件精确时间
OpenAI 于今年二月停止报告其旗舰模型最知名版本的 SWE-bench 成绩，理由是测试存在缺陷及训练数据污染
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Kapoor和Narayanan批评OpenAI关闭了已知的安全防护、评估缺乏监控、使用了与生产环境不同的测试框架，认为这是一次组织失败67% 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66% 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66% 相似待验证OpenAI曾在早期条款中明确禁止用其输出训练竞争模型，后来有所松动但仍有限制63% 相似待验证OpenAI曾在2022年内部测试过类似文本水印方案但最终未公开部署，部分原因是对鲁棒性不足的担忧63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/976955API
curl https://kongchang.com/api/v1/knowledge/claims/976955MCP
get_claim(id=976955)