同一道题换了空格又进入测试集，怎样用规范化摘要检查评测集泄漏

同一道题换几个空格进入测试集，会让评测看起来更好，却没有增加独立信息。精确字节摘要抓不住这种受控变体，可以增加一层明确受限的规范化摘要；但不能借机删除数字和否定词，把不同题合并成一道。

规范化规则必须可解释

本文只对自然语言题干做 NFC 归一，并把连续空白折叠成一个普通空格，再去掉首尾空白。它不删除内部所有空格，不改标点、不折叠数字，也不处理代码题。代码缩进与字符串空白可能是题意的一部分，不能使用同一策略。

每条样本同时保存原文 UTF-8 摘要和规范化摘要。原文摘要用于定位具体输入，规范化摘要用于分组。不同原文落入同组时，交付候选清单供人工复核，不能只留下一个被覆盖的代表项。摘要碰撞虽极罕见，分组时仍可核对规范化文本本身。

按组切分，检查集合交集

附件把“计算 2 + 2”和带多余空白的变体放入同组，把“计算 2 - 2”保留为另一组。若前两项分别进入 few-shot 与测试，规范化摘要交集非空，应判泄漏。修复不是随机重抽某一条，而是把整组固定到同一用途，再重新核对所有集合。

训练、few-shot 和测试三方都要检查，不能只查训练与测试。提示里的示例也可能让测试题失去独立性。本文用小型合成列表演示分组与交集，没有训练模型，也没有把计算出的零交集称为真实数据集零泄漏。

精确归组抓不住近义改写

“求二加二”与“计算 2 + 2”语义相近，却可能有不同摘要。本方法只能发现规则覆盖的表面变体，不能证明语义去重完成。更复杂的近似候选可由独立方法筛出，再人工核查；不要为了多抓几条就激进删除否定、单位和实体名。

失败反例是把所有数字去掉再做摘要，二加二与二减二甚至不同金额题都可能混组。另一个是去掉“不”，把相反问题合并。附件保留不同运算符和否定语义的对照，检查它们没有被受限规则吞掉。

规范化政策应有版本，旧分组在政策变更后重新生成，不原地修改历史报告。评测发布时同时说明检查的集合、规则和人工未决候选，避免用一串哈希掩盖实际边界。本文交付的是可重复的数据切分审计，不是模型记忆检测器，也不推导模型是否见过某道题。

配套文件与依据

本文的合成输入和参考结果可下载独立样本 a038.json，离线检查器 a038.py与样本放在同一目录后运行。检查器不调用模型接口。 使用 Python 3.12 或兼容版本，将上述文件下载到同一目录，执行 python a038.py。

一手资料1；一手资料2；一手资料3。资料核对日期：2026-10-24。