待验证50% 置信基准精确时间

SafeTulu 的安全效果优于 LLM-as-a-judge 和此前的梯度过滤方法，同时模型能力基本保持甚至有所提升。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/28

首次发现

有效期至：2027/1/26

来源

微调数据暗藏风险？SimpleLoRIF用梯度溯源安全退化

涉及实体

SafeTuluproduct LLM-as-a-judgeconcept

相关事实

待验证在Isaac Sim物理仿真环境中，该安全滤波器在高速、安全关键条件下进行了评估，与名义控制器和基于LQR的备份策略相比，实现了零安全约束违反。65% 相似待验证应对智能体可靠性风险的方法包括guardrails过滤器、权限最小化原则、human-in-the-loop检查点以及LangSmith、Arize等可观测性工具62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1105872

API

curl https://kongchang.com/api/v1/knowledge/claims/1105872

MCP

get_claim(id=1105872)