待验证50% 置信观点精确时间
标准做法将所有异构的有害提示聚合为一个均匀的平均向量，可能将不同的拒绝相关现象混为一谈。
1
来源数
50%
置信度
长期有效
时效性
2026/10/22
首次发现
来源
涉及实体
相关事实
待验证加权接受率为每条警报按严重程度赋予不同权重后计算接受比例，而非简单统计确认警报数与总警报数之比。73% 相似待验证平均准确率会掩盖分布偏差，一个在简单案例全对、困难案例过度自信的裁判可以刷出高平均分却在关键处失灵72% 相似待验证实验表明经过 abliteration 处理的模型在常规能力测评上几乎不退化，但拒绝有害请求的概率大幅下降71% 相似待验证语义等价的不同表述可能导致模型回答质量出现高达30%的波动，该现象被称为'提示敏感性'（prompt sensitivity）71% 相似待验证多重比较问题指同时测试多个模型变体时，即使每个单独检验显著性水平设为0.05，整体假阳性率也会急剧膨胀71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1084576API
curl https://kongchang.com/api/v1/knowledge/claims/1084576MCP
get_claim(id=1084576)