待验证50% 置信事实精确时间

成员推断攻击的核心假设是模型对训练集中的样本会产生更低的预测损失，通过设定损失阈值区分成员与非成员样本

1

来源数

50%

置信度

长期有效

时效性

2026/7/11

首次发现

来源

Grok vs GPT vs Claude：三大顶级AI编程实测，谁才是真正的代码高手？

hackernewshackernews2026/7/8

相关事实

待验证Anthropic的研究表明，即便温和的对齐训练也会导致模型在某些推理密集型任务上下降2-8个百分点73% 相似待验证研究表明模型在自我批评任务中的准确率显著低于由另一模型执行批评的场景67% 相似待验证InfoNCE 损失通过在一批候选中最大化正样本对相似度、最小化负样本对相似度进行训练，温度超参数τ越小分布越集中67% 相似待验证2023年，研究人员证明只需污染不到1%的训练数据，就能在特定触发条件下改变模型行为66% 相似已验证对于一个 70 亿参数的模型，LoRA 通常只需训练不到 1% 的参数量，显存需求可降低 60% 以上65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/473931

API

curl https://kongchang.com/api/v1/knowledge/claims/473931

MCP

get_claim(id=473931)