待验证50% 置信事实精确时间
DeYoung等人2020年的ERASER基准和Jacovi & Goldberg 2020年的《Towards Faithfully Interpretable NLP Systems》系统讨论了忠实性与合理性的区分
1
来源数
50%
置信度
长期有效
时效性
2026/8/22
首次发现
来源
相关事实
待验证间接提示词注入由安全研究员Kai Greshake等人于2023年系统性提出并分类62% 相似待验证Belkin等人2019年提出调和插值框架，Bartlett等人2020年研究良性过拟合，从不同角度推进对双重下降的理解62% 相似待验证Anthropic在其Claude模型的系统卡中指出，System Prompt的质量与模型对齐程度之间存在显著相关性60% 相似待验证可纠正性（Corrigibility）问题由MIRI研究员Nate Soares和Benja Fallenstein等人系统化提出59% 相似待验证斯图尔特·罗素在2019年出版的《与人共生》（Human Compatible）中系统论证了不确定性回报函数的重要性57% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/785308API
curl https://kongchang.com/api/v1/knowledge/claims/785308MCP
get_claim(id=785308)