待验证50% 置信观点精确时间
在越狱攻击场景下，早期前缀的单独评分可能无法准确预测其与后缀组合后的攻击效果，因此成对评估比单独评估前缀更可靠。
1
来源数
50%
置信度
长期有效
时效性
2026/10/20
首次发现
来源
涉及实体
相关事实
待验证针对特定触发词的后门攻击可让模型在大多数情况下表现正常，仅在遇到特定输入时才输出预设错误信息，使常规评测基准难以捕捉72% 相似待验证无参考模型的攻击（reference model-free attacks）在多数场景下取得了与依赖对抗知识的攻击统计上可比的结果。67% 相似待验证针对精确检索设计的投毒攻击在生产环境使用的近似HNSW索引上会失效，但《Poisoning the Neighborhood》提出的拓扑攻击能利用近似索引自身的结构性偏差，更难被基于内容过滤的传统防御识别。65% 相似待验证预标注会引入锚定效应，标注员倾向于接受而非推翻已有预标注结果，即使存在微小错误，低质量预标注会系统性地将判断拉向错误方向64% 相似待验证间接提示词注入特指攻击者通过模型会主动检索的外部内容实施攻击，危险性更高63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1074850API
curl https://kongchang.com/api/v1/knowledge/claims/1074850MCP
get_claim(id=1074850)