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