Data contamination
Verificato
Aggiornato il 10/09/2026
Significato di «Data contamination»
Fenomeno per cui esempi del set di test o dei benchmark di valutazione compaiono anche nei dati di addestramento del modello, spesso per via dello scraping del web. Ne risulta una sovrastima delle prestazioni, perché il modello ha memorizzato le risposte invece di generalizzare; si mitiga con la decontaminazione.
Fonti: Wikipedia EN (Data leakage, machine learning); documentazione benchmark HELM/lm-eval · Verificato il 2026-09-10
Domande frequenti su Data contamination
Cosa significa «Data contamination»?
Fenomeno per cui esempi del set di test o dei benchmark di valutazione compaiono anche nei dati di addestramento del modello, spesso per via dello scraping del web. Ne risulta una sovrastima delle prestazioni, perché il modello ha memorizzato le risposte invece di generalizzare; si mitiga con la decontaminazione.
A quale glossario appartiene «Data contamination»?
«Data contamination» fa parte del glossario NLP e LLM, nella categoria Intelligenza Artificiale di Glossario Italiano.