待验证50% 置信事实精确时间
实验发现FIDE的偏好改变了传感器选择，倾向于选择那些对基准模型修正最小的设计。
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
待验证研究者发现只需微调模型的少量参数就能移除安全对齐（去对齐攻击），且某些越狱提示可在不同模型之间迁移73% 相似待验证底层模型更换后，即便微小的输出分布变化也可能导致此前校准的安全护栏过度拦截或防护失效，需要重新标注和调试70% 相似待验证FIDE为实验设计提供了新视角：在基准保持场景下，不应追求恢复“真实”法则，而应追求在现有基准基础上进行最小修正。70% 相似待验证通过'不要按常规套路'这样的约束性提示词，本质上是在调整模型的采样分布，降低高频方案的输出权重，迫使模型探索低概率但可能更具创新性的输出区域70% 相似待验证标准贝叶斯优化采集函数（如GP-UCB、EI、Thompson采样）的设计目标几乎都是最小化累积遗憾，因此天然偏向利用而非探索。69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1114457API
curl https://kongchang.com/api/v1/knowledge/claims/1114457MCP
get_claim(id=1114457)