我们提出了推理时间去污染（ITD）方法，通过检测和重写泄露样本而不改变难度，降低记忆泄露基准测试导致的性能夸大影响。实验结果表明，ITD方法在GSM8K上可以降低22.9％的夸大准确性，在MMLU上可以降低19.0％。希望ITD方法能为大型语言模型提供更真实的评估结果。