待验证50% 置信基准精确时间
斯坦福大学2023年的研究显示，当时主流LLM对间接提示注入的防御成功率普遍低于30%
1
来源数
50%
置信度
长期有效
时效性
2026/7/8
首次发现
来源
阿里巴巴拟禁用Claude Code：后门风险与企业AI安全博弈
hackernewshackernews2026/7/3
相关事实
待验证斯坦福大学2023年研究表明，即便是当时最先进的模型，在处理超过32K Token的上下文时，对中间段落的信息提取准确率会下降30%至50%70% 相似待验证斯坦福大学的AgentBench基准测试（2023年）量化证明，在复杂多步骤任务中纯ReAct范式的成功率往往不超过30%69% 相似待验证斯坦福大学2023年的研究表明顶尖LLM在医疗和法律领域的事实性错误率高达20-40%69% 相似待验证斯坦福大学2023年的研究发现主流LLM在生成法律和医学类引用时虚假引用率高达30%—60%68% 相似待验证斯坦福大学2023年的研究表明，引入明确的需求分析和设计阶段后，LLM生成代码的功能正确率提升约30%67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/263184API
curl https://kongchang.com/api/v1/knowledge/claims/263184MCP
get_claim(id=263184)