CoRE 基准揭示 LLM 数据清洗成绩依赖已知实体记忆

论文提出 CoRE 协议，用英文单词或音节构建的名称替身来检测 LLM 数据清洗中的知识依赖。在 21 张受控表和 8 个 LLM 的测试中，Hospital 与 Movies 两个数据集上的修复表现随实体名称明显波动，DeepSeek-V4-Pro 的年份准确率在换用替身后从 91% 降到 18%。商业模型在已知影片上会以 0.000-0.404 的比率改写指定导演，说明熟悉知识可能与任务冲突。Rayyan 数据集上参考评分还会与外部记录不一致，94% 的 TabClean 认可修复只是复现了参考日期变换。论文公开了受控表格、评分代码与离线复现材料。