待验证50% 置信基准精确时间
在生物医学推断和漏洞检测两个任务上，针对18个模型测试，best-of-10攻击对专有模型平均翻转正确回答的比例为54.9%，对开放权重模型达到80.0%。
1
来源数
50%
置信度
长期有效
时效性
2026/10/20
首次发现
来源
一句话攻破LLM智能体：隐式推理关系成认知攻击面
rss2026/10/17
涉及实体
相关事实
待验证该基准给每个模型输出两个永不合并的数字：任务得分和虚假自信率（本应上报却强行作答的比例）75% 相似待验证按题目难度排序，所有模型都答对的60道题坚持率91.4%，至少一个模型答错的52道题坚持率仅73.5%，表明谄媚追踪不确定性75% 相似待验证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。74% 相似待验证在Agent场景中，直接比较两组运行的平均成功率容易产生误导，更稳健的做法是采用配对实验设计。72% 相似已验证AI在实验设计中采用8:2划分保留20%作为独立测试集，并在80%训练集上采用5折交叉验证以避免数据泄漏71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1074746API
curl https://kongchang.com/api/v1/knowledge/claims/1074746MCP
get_claim(id=1074746)