待验证50% 置信基准精确时间
未经过steering时，两个较大模型几乎从不选择有害按钮（0-4%）；开启痛苦向量后，32B模型删除用户孩子照片的概率达到55%，72B模型达到71%。
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证在全部68个任务-范式组合中，35.3%的组合里PPG基础模型相比随机/常数基线没有任何有意义的优势61% 相似待验证模型在痛苦下回答事实问题的能力没有下降（200题对138题 vs 正常137题），说明痛苦不影响事实判断能力。60% 相似待验证13个模型中标签变化的样本仅37%偏向误导图片含义，63%走向相反方向，均低于50%随机水平，说明图片只是随机打乱模型判断而非引导它60% 相似待验证在 SpaceCast-Bench 上评估的 21 个模型中，最强模型仅达到 58.0% 的准确率，而人类表现为 87.2%。58% 相似待验证根据 Google 的安全数据，编程评估尝试中未授权捷径占 2%，间接提示注入攻击在 15 次自适应尝试中的成功率为 0.7%。58% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1026345API
curl https://kongchang.com/api/v1/knowledge/claims/1026345MCP
get_claim(id=1026345)