[控场AI]
待验证60% 置信事实精确时间

基于RLHF等对齐技术的安全护栏本质上是软约束,可被对抗性输入突破

2
来源数
60%
置信度
长期有效
时效性
2026/8/7
首次发现

来源

相关事实

引用此条事实

Stable URI
https://kongchang.com/claim/700095
API
curl https://kongchang.com/api/v1/knowledge/claims/700095
MCP
get_claim(id=700095)