计算机工程与应用

作者：仲宝才, 杨帆

单位：1.成都东软学院 计算机与软件学院，成都 611844；2.暨南大学，广州 510632；

关键词：大语言模型,数据污染,动态数据评估,布鲁姆分类法

基金：四川省哲学社会科学重点研究基地川菜发展研究中心科研项目（CC23W31）。

随着大型语言模型（LLMs）在超大规模语料库上开展预训练，数据污染问题逐渐凸显，这对模型性能评估的准确性构成了直接威胁。提出了一种创新的动态数据评估方法EdEval（equal distribution dynamic evaluation），旨在降低数据污染对评估准确性的影响。EdEval通过提取核心知识点与主旨，确保生成的评估问题在本质上与静态数据一致，并结合联网检索对知识点进行深入阐述，生成具有高质量知识支撑的评估样本。此外，EdEval通过控制问题数量和复杂度，实现动态对齐与灵活调节，以匹配静态数据的难度水平并满足不同复杂度的需求。采用布鲁姆分类法，EdEval从记忆、理解、应用、分析、评价和创造六个维度对LLMs进行综合评估。实验结果表明，EdEval在多个数据集上有效减轻了数据污染的影响，显著提高了评估的公正性和准确性。

来源：2026年第6期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第6期