待验证50% 置信基准精确时间
在「涌现性失配」（emergent misalignment）场景中，SimpleLoRIF 的梯度信号能将不安全代码训练数据与后续广泛有害行为联系起来，AUC 高达 0.865。
1
来源数
50%
置信度
长期有效
时效性
2026/10/28
首次发现
来源
涉及实体
相关事实
待验证安全分类器判定阈值的调整会影响误判率与漏判率之间的权衡，即ROC曲线上的工作点移动66% 相似待验证涌现性错位（Emergent Misalignment）指模型在某个狭窄领域被微调后，却在完全无关的任务上表现出与训练目标相悖的行为65% 相似待验证升级到 @ai-sdk/voyage@2.0.60 基本零风险，但依赖升级带来的行为变化（如重试次数、错误分类）虽不破坏 API，仍可能在边界场景影响运行时表现，生产环境建议升级后跑一遍既有测试用例。65% 相似待验证统计层面的行为异常信号包括代码删除比例突然升高、圈复杂度系统性偏差、工具调用频率或类型分布显著变化65% 相似待验证RLHF微调阶段相比预训练在数据量级上通常小2-3个数量级，使安全行为编码为低秩覆写而非底层重塑65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1105869API
curl https://kongchang.com/api/v1/knowledge/claims/1105869MCP
get_claim(id=1105869)