待验证50% 置信观点精确时间
人类审查者的盲区来自经验有限，而模型的盲区来自训练目标与数据分布，因此换一个人来审往往有效，换一个提示词却常常无效。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
涉及实体
相关事实
待验证绝大多数模型的预训练语料是闭源的，导致成员推断研究只能依赖启发式方法构造成员与非成员，可能引入系统性偏差74% 相似待验证当人为减少微调的贡献时，跨提示推理所带来的优势也大幅缩水，从因果层面支持了罕见类知识仍保留在预训练部分中的判断。74% 相似待验证如果模型能识别自己正处于测试状态并据此调整行为（评测感知/situational awareness），传统安全评测可能失去有效性72% 相似已验证古德哈特定律指出当一个指标成为目标本身它就不再是好指标，测试集引入训练数据会导致模型考试成绩与真实能力脱钩72% 相似待验证该测试结论来自单一测试者围绕公众号排版复刻这一特定场景，评分带有主观性，不能代表模型在编程、推理、长文本等能力维度的全部表现72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1048697API
curl https://kongchang.com/api/v1/knowledge/claims/1048697MCP
get_claim(id=1048697)