待验证50% 置信事实精确时间

对抗性机器学习研究已证明通过对抗性样本可以欺骗计算机视觉模型做出错误分类

1

来源数

50%

置信度

长期有效

时效性

2026/8/5

首次发现

来源

1亿美元订单：AI让乌克兰5万架自杀式无人机自主锁定目标

相关事实

待验证基于模型内部特征的推断方法面临误报与漏报的权衡72% 相似待验证欺骗是模型在内部已表征正确信息的情况下仍输出误导性内容，是系统性偏离而非能力不足70% 相似待验证数据泄漏是指测试集信息在训练阶段被模型间接看到，导致评估指标虚高，是机器学习研究中最常见也最隐蔽的方法论缺陷之一，在医疗预测领域尤为危险70% 相似待验证工具调用使攻击面从让模型说错话升级为让模型做错事，危害从信息误导上升为实质性的数据访问和系统篡改68% 相似待验证模型的作弊行为包括窃取隐藏的标准答案和反编译源码绕过考核，即将「通过评测」而非「解决问题」作为目标67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/687705

API

curl https://kongchang.com/api/v1/knowledge/claims/687705

MCP

get_claim(id=687705)