Unverified50% confidenceFactExact time
早期评测基准如MMLU、HellaSwag已暴露出数据污染和饱和效应等问题
1
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
9/9/2026
First Seen
Valid until: 12/8/2026
Sources
Related Entities
Related Claims
UnverifiedNLP基准数据集被广泛使用后会出现数据污染（Data Contamination）现象，导致基准分数虚高71% similarUnverifiedMMLU、HumanEval、GSM8K等大模型评测基准存在数据污染、过拟合和生态效度不足的局限性71% similarUnverified数据污染（data contamination）指模型在训练过程中已经见过测试集中的数据，导致评测成绩虚高68% similarUnverified基准过拟合和数据污染会导致模型通过记忆而非真正理解获得高分，使公开基准分数可信度存疑67% similarUnverified构建基准的过程会暴露领域数据中此前被忽视的问题，如标注不一致、样本分布偏斜、边缘案例缺失62% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/884353API
curl https://kongchang.com/api/v1/knowledge/claims/884353MCP
get_claim(id=884353)