据推特用户@godofprompt报道，近期研究显示，AI基准测试结果存在误导性，因为测试题目已被纳入模型训练数据。Scale AI于2024年5月发布证据，指出许多AI模型在基准测试中得分超过95%，主要由于数据污染问题。这一未解决的污染问题引发了业界对模型真实能力的担忧，凸显了优化AI评估方法的必要性。

据Twitter用户God of Prompt指出，Scale AI于2024年5月发布的研究显示，AI模型在基准测试中获得95%以上高分，主要因为测试题目早已包含在训练数据中。这种数据污染现象导致基准测试分数失去参考价值，真实智能水平难以评估。据God of Prompt报道，行业亟需改进AI模型评估标准，以提升可信度。