Unverified50% confidenceFactExact time
在Kaggle竞赛社区已观察到leaderboard overfitting现象，选手通过反复提交反向推断测试集分布导致私榜掉分
1
Sources
50%
Confidence
Long-term
Relevance
9/11/2026
First Seen
Sources
Related Entities
Related Claims
Unverified根据Kaggle竞赛历史统计，约有15-20%的顶尖方案在赛后被发现存在不同程度的数据泄露问题70% similarVerified部分模型存在针对测试集过度优化的风险，导致榜单分数与真实场景表现出现偏差（Benchmark饱和）67% similarUnverified过度收紧的护栏会导致过度拒绝（Over-refusal）现象，研究表明经过严格RLHF对齐训练的模型拒绝率可能比实际需要高出3-5倍64% similarVerified过度的安全微调会导致模型过度拒绝（over-refusal），损害实用性63% similarUnverified漂移检测存在权衡：阈值设置过于敏感会导致频繁误报和不必要的重训，设置过于宽松则可能让模型性能在无感知中持续退化62% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/909776API
curl https://kongchang.com/api/v1/knowledge/claims/909776MCP
get_claim(id=909776)