English(EN) Benchmark Contamination: A Taxonomy Organized by Defeated Mitigation

新的分类法按被挫败的缓解措施对人工智能基准污染进行分类

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-01 04:00

提出了一种新的人工智能基准污染分类法，该分类法按其挫败的缓解方法对污染类型进行组织。该分类法将污染分为直接型、派生型、时间型、分布型和习得型，并解决了训练时和评估时的数据泄露问题。研究还引入了一个四字段披露协议来报告污染状态，并承认“未知”是一个有效条目。对41份文件的分析显示，一些变量的编码者间可靠性较低，在变量适用时间上存在显著分歧，而不是在其陈述内容上存在分歧。 AI

影响这项研究旨在提高人工智能基准报告的可靠性和透明度，从而可能更准确地评估模型能力。

排序理由该集群包含一篇学术论文，详细介绍了人工智能基准污染的新分类法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 25 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇学术论文，详细介绍了人工智能基准污染的新分类法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Johanna Angulo, V\'ictor Yeste, Hector Espinos-Morato · 2026-09-01 04:00

基准测试污染：按被击败的缓解措施分类的分类法

arXiv:2608.29463v1 Announce Type: cross Abstract: A benchmark score is a joint property of the model, the evaluation harness, the elicitation budget, the sampled population, and contamination status. Leaderboards publish the model and the score, so capability and leakage stay obs…

本文如何被排名

报道来源 [1]

基准测试污染：按被击败的缓解措施分类的分类法

相关实体

相关话题