去污染报告救不了基准测试：评测须自控测试集并复现

针对大模型基准污染问题，一位评测从业者撰文指出，训练侧「数据无污染」的自我声明本质上不可验证：自 OpenAI 今年 2 月停报并退役 SWE-bench Verified 后，这一矛盾更加凸显。作者认为实验室自证去污染注定无效，出路在评估侧规则——评测者必须自己掌控测试集，并要求能复现结果，否则评测结果不具可信度。

2026-09-20 ~ 2026-09-20 · 2 条相关