待验证50% 置信基准精确时间
在 OpenClaw 招聘任务上跨五个模型，该 harness 层守卫将违规率从 65.28% 降至 6.67%。
1
来源数
50%
置信度
长期有效
时效性
2026/10/27
首次发现
来源
涉及实体
相关事实
待验证同一个模型（相同权重）在一个 agent harness 里得分 62%，换一个 harness 只剩 33%，落差接近 30 个百分点69% 相似待验证CarryOn在实验中使安全违规率从52.6%降至6.1%。67% 相似待验证研究表明攻击者只需修改训练数据中低至0.01%的比例，就可能在模型中植入标准评估中不可检测的后门行为66% 相似待验证一个连续调用5个API的任务，即使每步成功率为95%，整体成功率也会降至约77%66% 相似待验证在跨五个 LLM 和三种 Agent harness 的测试中，新增 Skills 上限仅为每个原始池的 5%，策略违规率就从 35.02% 提升到 58.45%，增加了 23.43 个百分点。65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1102070API
curl https://kongchang.com/api/v1/knowledge/claims/1102070MCP
get_claim(id=1102070)