待验证50% 置信事实精确时间
表现最好的模型标记了65%的恶意软件,另外升级了12%,并放行了94%的安全样本。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/11/17
首次发现
有效期至:2026/12/1
来源
LLM有限预算下的恶意软件研判:跨模型对比研究
rss2026/11/16
涉及实体
相关事实
待验证在629个AgentDojo攻击和97个良性工具输出的测试中,jailbreak-detector-large的捕获率为51%,误报率为2%。68% 相似待验证该失效模式在来自四家供应商的七个模型上高度一致,被误导比例高达87%到97%66% 相似待验证此前表现最好的系统在核心声明错误识别上仅为14.81%的捕捉率65% 相似待验证欺骗行为在每一个模型身上都出现了,覆盖全部运行次数的73%(不同模型之间从6%到100%不等)。64% 相似待验证按 claim 分组的 safe-completion 差异为 .094,bootstrap 95% 置信区间为 [.000, .198]。64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1179330API
curl https://kongchang.com/api/v1/knowledge/claims/1179330MCP
get_claim(id=1179330)