待验证50% 置信观点精确时间
传统的红队测试假设系统行为在不同规模下可比，而生态视角否定这一假设。
1
来源数
50%
置信度
长期有效
时效性
2026/10/13
首次发现
来源
涉及实体
相关事实
待验证红队评估在五个核心模型上测试隐藏于案件事实中的对抗性指令，模型对这类指令的服从率高达73.3%–96.4%，远超裁决对法律依据替换的敏感度。68% 相似待验证在最强的模型上实验各组差异落在置信区间之内，研究者将结果表述为方向性模式和健全性属性而非被证明的性能下限67% 相似待验证传统基准测试在评估模型推理能力上已失效，因为几乎每个模型都可能在训练数据中见过标准答案64% 相似待验证Anthropic的研究显示过度对齐可能导致模型在无害问题上的拒答率从不到1%上升至超过10%64% 相似待验证该对比实验未披露具体的数据集规模、评估指标以及对比公平性细节，这些因素会影响结论的普适性63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1013527API
curl https://kongchang.com/api/v1/knowledge/claims/1013527MCP
get_claim(id=1013527)