ohmyblog

#评测可信度

经典题解析：测试题混进训练集，大模型评测还可信吗

一个模型在测试题上答得很漂亮，是学会了解题能力，还是曾经见过原题？对使用大规模公开资料训练的模型，这个疑问不能靠一句“测试集是独立文件”解决。独立文件可能仍包含相同段落、改写题目或直接暴露答案的解析。