待验证50% 置信事实精确时间

安全对齐通常指通过监督微调、RLHF 或规则化拒答等方式，让模型在涉及攻击性网络安全操作（如漏洞利用编写、恶意软件分析辅助）时表现出谨慎或拒绝行为

1

来源数

50%

置信度

长期有效

时效性

2026/11/6

首次发现

来源

开源模型安全能力遭裁剪：Kimi与腾讯新模型引担忧

涉及实体

安全对齐concept

相关事实

待验证在网络安全场景中，「无害」的判定高度依赖上下文，同一漏洞分析行为在授权渗透测试中合法，在未授权系统中则是入侵。75% 相似待验证绝大多数商业大模型内置了严格的安全对齐机制，当用户询问漏洞利用、权限提升或渗透测试相关内容时往往拒绝提供75% 相似待验证在国防语境中，网络韧性通常涵盖冗余架构、零信任访问控制、持续威胁监测与事件响应预案等实践。74% 相似待验证开放权重模型的安全加固包括防止提示注入、模型窃取和对抗样本攻击，这些运维责任完全落在采用方身上。73% 相似待验证企业应对勒索软件的核心防御措施包括定期离线备份、部署零信任架构、员工安全意识培训和制定事件响应预案72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1142836

API

curl https://kongchang.com/api/v1/knowledge/claims/1142836

MCP

get_claim(id=1142836)