leak-audit

检测并消除 LLM 评估数据集中的“真实标签泄露”问题——即被评估模型能够看到包含或强烈暗示预期答案的内容，从而导致评估分数虚高、无法反映真实能力的情况。适用于以下场景：构建、审查或调试评估/基准数据集时（尤其是针对 RAG 或工具使用/代理系统），当评估分数异常偏高时，当弱基线或盲基线仍能通过测试时，或在判断检索上下文、工具/观察输出、数据集字段或上游阶段输出是否泄露目标答案时。

模型生成摘要（rules/v1 · 2026-11-13 17:27）：检测并消除 LLM 评估数据集中的“真实标签泄露”问题——即被评估模型能够看到包含或强烈暗示预期答案的内容，从而导致评估分数虚高、无法反映真实能力的情况
这是模型对公开材料的总结，不是官方声明，请以原链内容为准。

存档时间线

版本	存档时间	内容哈希	内容
v1	2026-11-13 17:26	f943d48d	可取

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本

纠错与举报（发现条目失效、署名有误或涉及侵权？）

提交举报 / 纠错

侵权举报经核验成立后，我们会即时下线该条目并删除已存的内容副本。