ルックアヘッドバイアスは、予測モデルや投資戦略を過去データで評価する際に、判断時点では得られなかった未来の情報が入力に混入し、実際より性能が高く見える偏りである。金融のバックテストでは古くから知られた問題であり、機械学習ではデータリーケージの一形態として扱われる。
典型的な例として、後に修正された財務データを発表前の時点のデータであるかのように使う場合や、学習データに評価期間の情報が含まれる場合がある。防止には、各時点で実際に利用可能だったデータだけを用いるポイント・イン・タイムのデータと、評価時点以降の資料を遮断する環境が必要となる。大規模言語モデルの評価では、学習データに正解が含まれている可能性も同じ文脈で問題になる。