待验证50% 置信基准精确时间
Communications Medicine 发表的一项研究测试了 20 个 AI 模型、超过 1000 万条回答，加入简短安全提醒后可能有害的临床选择从 16.6% 降至 10.1%，20 个模型中有 19 个出现下降。
1
来源数
50%
置信度
长期有效
时效性
2026/10/19
首次发现
来源
涉及实体
相关事实
待验证斯坦福大学2023年的研究表明，主流AI检测工具误判率可高达20%以上73% 相似待验证基于超过4万次游戏化测试运行的数据显示，在审批AI代理发出的指令时，人类平均漏掉了三分之一的潜在威胁72% 相似待验证哈佛商学院与波士顿咨询公司（BCG）对758名咨询顾问的研究发现，当任务正好落在AI能力边界之外时，使用AI的人给出正确答案的概率反而下降了19%。71% 相似待验证在TRACES测试中，每一个模型在'智能体式'探针中的失败率都超过71%；30个模型中有22个失败率超过90%。70% 相似待验证在公开健康基准测试中，一个普通AI模型在开发者自己的复跑中得分高于Tabibu，0.522对0.426（非官方排行榜数据），开发者认为原因是Tabibu的安全层在基准测试中拉低了分数。70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1066519API
curl https://kongchang.com/api/v1/knowledge/claims/1066519MCP
get_claim(id=1066519)