awesome-data-contamination

查论文，避坑LLM评估数据污染

这是一个关于大语言模型评估中数据污染问题的论文列表项目。数据污染指预训练数据中混入下游评估测试集，导致模型评估分数虚高、结果失真。该项目系统整理了相关研究论文，涵盖污染检测方法、影响分析、缓解策略等方向，帮助研究者和工程师了解该领域的研究进展，避免在模型评估时被数据污染误导。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 119
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队lyy1994
所属国家
官网地址
GitHubhttps://github.com/lyy1994/awesome-data-contamination
定价模式free
价格说明开源项目，免费使用，无付费版本。
访问状态
是否开源是
开源协议MIT
主要语言
技术栈/模型awesome-list,data-contamination,evaluation,foundation-models,large-language-models,llm,paper-list,pre-trained-language-models,pre-trained-model
GitHub 星标★ 119
30天Star增速
HF 下载量
上线时间2024-01-02 00:00:00
最近更新2026-08-11 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数3

使用教程

核心亮点

  • 聚焦数据污染这一评估痛点，主题明确
  • 按研究方向分类整理论文，便于检索
  • 持续更新，收录最新研究成果

不足之处

  • 仅提供论文列表，无代码或工具实现
  • 文档/社区待观察

适用场景

  • 研究LLM评估方法时，排查数据污染风险
  • 设计基准测试时，参考污染检测与缓解策略
  • 撰写相关论文时，快速获取文献综述

替代项目

awesome-llm-evaluation、lm-evaluation-harness、HELM

项目介绍

awesome-data-contamination 是评测安全领域的开源项目，由 lyy1994 开发，2024 年首次发布。

它收录于评测安全分类，该分类目前共有 466 个项目，GitHub 星标数为 119。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-08-11。免费使用，无付费版本。

它主要面向的使用场景是：研究LLM评估方法时，排查数据污染风险。同类可对比的替代方案包括 awesome-llm-evaluation、lm-evaluation-harness、HELM。

上一篇：agentdojo

下一篇：DEFAME

同类项目推荐

akto 开源

给 AI 应用做安全体检，防提示注入和数据泄露

Akto is the fastest growing AI Security platform for your teams to secure AI agents,···

★ 1517 2026-08-20
XSafeClaw 开源

给 AI 智能体装上安全盾，自动红队测试找漏洞

Introducing XSafeClaw: The Open-Source Agent Safety Platform from Fudan University

★ 164 2026-08-10
deepteam 开源

自动模拟越狱攻击，提前测出 LLM 安全漏洞

DeepTeam is a framework to red team LLMs and AI agents.

★ 2937 2026-09-12