语义缓存基准审计：23%错误命中实为同一prompt

2026年10月2日，CacheVerifier 团队公布对语义缓存基准的审计结果。审计对象是 LMArena 上被标注为「错误命中」的近重复命中样本：在 3,117 个样本中，有 727 个（23.3%）在小写化、去标点处理后文本完全相同，即这些命中实际上来自同一个 prompt。团队另做盲测手工标注，结果显示 88% 的「错误」命中其实可复用。基于这些发现，0.97 阈值下的错误率由原先的 5.2% 修正到约 0.95%。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。