Unverified60% confidenceFactExact time
公开的安全评测集存在被纳入训练数据导致评测污染的风险，污染包括模型厂商刷分和恶意者研究测试集开发绕过变体两种风险
2
Sources
60%
Confidence
Long-term
Relevance
7/10/2026
First Seen
Sources
LLM安全基准测试：现状、挑战与实践指南
hackernewshackernews7/6/2026
Related Claims
Unverified技术选型时应关注评测数据集是否来源于真实场景、是否存在训练数据污染、成本与召回率是否经过独立验证75% similarUnverified抵御评测污染的解决路径包括维护私有动态测试集、使用程序化生成而非固定题目，以及引入对抗性评估机制72% similarUnverifiedAI基准测试的常见争议包括数据污染、评测配置差异和cherry-picking70% similarVerified训练数据污染是AI编程基准测试面临的首要挑战，测试用例来自公开GitHub仓库而这些正是大模型预训练语料来源70% similarUnverified官方基准测试如MMLU、HumanEval存在测试集泄露和针对性优化的风险69% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/429422API
curl https://kongchang.com/api/v1/knowledge/claims/429422MCP
get_claim(id=429422)