待验证50% 置信基准精确时间
在模拟冲突TTP陈述、跨报告污染和语义中毒的对抗性扰动下，ARBITRA将平均精确率退化限制在前沿模型基线的大约一半。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/30
首次发现
有效期至：2027/1/28
来源
涉及实体
相关事实
待验证一篇发表在arXiv上的研究（arXiv:2609.02899）提出，基准污染的担忧应区分为是否抬高绝对分数与是否改变模型排名顺序两个不同问题66% 相似待验证在测试风险可定义的设置中，朴素的阈值选择基线有大约一半的情况会超过目标风险水平，而Learn Then Test（LTT）方法只有7.8%的情况超标。64% 相似待验证在生物医学推断和漏洞检测两个任务上，针对18个模型测试，best-of-10攻击对专有模型平均翻转正确回答的比例为54.9%，对开放权重模型达到80.0%。64% 相似待验证卡内基梅隆大学研究显示对抗性图案攻击成功率在受控环境为90%以上，但引入正常视角变化后降至实际部署场景的30%以下64% 相似待验证在23个测试场景、两个工具的基准上，采用“全量变化即拦截”策略的误报率为50%。63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1113895API
curl https://kongchang.com/api/v1/knowledge/claims/1113895MCP
get_claim(id=1113895)