待验证50% 置信事实精确时间

一个有害提示指示变量加上其他框架效应，平均只能解释检查点内分数方差的15%；85%的变异来自检查点本身。

1

来源数

50%

置信度

长期有效

时效性

2026/10/23

首次发现

来源

RLVR会让模型更“权力趋附”？OLMo-3检查点证据说不

涉及实体

提示框架concept

相关事实

待验证因果探针在不同模型上实现了17%–118%的引导能力提升，而概念检测能力仅下降3%75% 相似待验证在100个问题上单独测试“视图不完整”提示，无提示时误答率为16%，有提示时降至5%。74% 相似待验证被污染的推理链在盲验证器提示下使支撑判断偏移10%–22%73% 相似待验证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。73% 相似待验证在Track B上，扁平RAG基线能检测出76%–97%的真实矛盾，但对16%–43%表层相似的安全草稿产生误报（具体比例取决于后端）71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1088122

API

curl https://kongchang.com/api/v1/knowledge/claims/1088122

MCP

get_claim(id=1088122)