待验证50% 置信权衡取舍精确时间
知识投毒攻击类似于对抗性机器学习中的数据投毒，但发生在推理层面而非训练层面，因此更加隐蔽且难以检测
1
来源数
50%
置信度
长期有效
时效性
2026/8/23
首次发现
来源
涉及实体
相关事实
待验证智能体共享的经验若缺乏筛选，可能出现错误经验被反复引用的「经验污染」，类似机器学习中的训练数据污染（Data Poisoning）安全威胁77% 相似待验证机器学习分类器相较于感知哈希的确定性匹配，在真实场景中难以接受独立审计，决策过程缺乏透明度，误报风险更高74% 相似待验证训练集污染是当前AI基准评测领域的核心争议，模型可能通过记忆而非推理答题导致结果虚高69% 相似待验证与依赖标注数据的监督学习不同，强化学习不需要人工提供正确答案，而是让智能体在试错过程中自主发现最优行为路径68% 相似待验证「知识+工具箱」型产品的核心挑战在于知识本身难以形成壁垒，因为教程和策略公开后会被模仿68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/792463API
curl https://kongchang.com/api/v1/knowledge/claims/792463MCP
get_claim(id=792463)