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。