Benchmark Memorization
AI模型在训练数据中提前看到了评测题的正确答案，导致其得分看起来比真实能力更高的现象。
简单来说
「基准记忆现象」就像把AI模型比作一个提前背下考题和答案的学生——考试分数很高，但实际水平并没有那么强。衡量AI能力的标准题库被称为「基准测试」（benchmark），如果这些题库的内容混入了训练模型所用的数据中，模型可能并不是真正解出了问题，而是因为已经见过答案才答对的。
这之所以成为问题，是因为基准测试分数常被直接当作衡量模型实力的标准。如果只凭分数判断哪个模型更强，一旦遇到基准测试里没出现过的新情况，模型的表现可能会大幅下滑。因此，长期从事语音AI评测的公司有时会专门做实验，来验证模型究竟是真正理解并解决了问题，还是只是背下了答案。
在报道中是这样出现的
文章中出现的句子是：「我们曾与Hugging Face合作，实测并公开了11个开源语音识别（ASR）模型的基准记忆现象。」人们很容易误以为基准测试分数高就代表实力强，但这个表述是为了指出：高分可能只是背答案的结果，而非真实性能的体现。
亲手试一试
想亲身感受一下基准记忆现象，可以找一道知名的题目，先原样问AI，再把其中的数字或表达稍微改一下重新提问。如果AI对原题回答自如，却在改动后的版本上出错或含糊其辞，那就说明它很可能是靠记忆答题，而不是真正理解了问题。