[控场AI]
待验证50% 置信事实精确时间

SCEs与真实执行之间的KL散度比BashArena低十倍以上，表明模拟环境在行为分布上高度接近真实环境。

1
来源数
50%
置信度
长期有效
时效性
2026/10/23
首次发现

来源

模拟控制评估：用语言模型预测AI安全的新范式

涉及实体

Simulated Control Evaluations (SCEs)conceptBashArenaconceptKL散度concept

相关事实

待验证随着模型从8B扩展到70B，固定输出向量的相似度对行为的预测能力反而变差，配对均值相关性变化为-0.080（95%置信区间[-0.127, -0.035]）61% 相似待验证领域微调后的7B模型在任务准确率上往往超越未经微调的70B通用模型，同时推理成本降低一个数量级61% 相似待验证少样本方式在格式化输出、分类任务和规则遵循方面的幻觉率可降低40%-70%60% 相似待验证效率型模型以远低于旗舰模型的推理成本（通常低5-10倍）提供接近旗舰模型80-90%的能力表现60% 相似待验证研究表明清晰的系统级约定能将模型产生幻觉或破坏性操作的概率降低 30%~50%59% 相似

引用此条事实

Stable URI
https://kongchang.com/claim/1088130
API
curl https://kongchang.com/api/v1/knowledge/claims/1088130
MCP
get_claim(id=1088130)