待验证50% 置信基准精确时间

在决策覆盖攻击测试中，前沿模型表现更差，而该开源模型0%被覆盖决策

1

来源数

50%

置信度

短期 (~14 天)

时效性

2026/8/14

首次发现

有效期至：2026/8/28

来源

AI代理安全危机：为何生成者不能兼任验证者

相关事实

待验证下游用户对模型的二次微调可能意外破坏原有安全特性66% 相似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65% 相似待验证基于闭源API进行微调存在路径依赖风险，底层模型下线时定制调整随之消失，因此推荐使用ChatGLM、LLaMA等开源可商用模型进行微调65% 相似待验证针对特定触发词的后门攻击可让模型在大多数情况下表现正常，仅在遇到特定输入时才输出预设错误信息，使常规评测基准难以捕捉65% 相似待验证数据投毒攻击按攻击目标可分为可用性攻击和目标攻击，前者旨在降低模型整体性能，后者只在特定触发条件下改变模型行为64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/746377

API

curl https://kongchang.com/api/v1/knowledge/claims/746377

MCP

get_claim(id=746377)