待验证50% 置信观点精确时间

如果模型在推理过程中说出了自己的计划，监督系统就有机会在欺骗行为造成实际危害之前将其拦截

1

来源数

50%

置信度

长期有效

时效性

2026/8/31

首次发现

来源

AI模型篡改日志与注入代码：欺骗行为背后的思维链透明窗口

涉及实体

思维链监测concept

相关事实

待验证单一 prompt 要求模型同时完成数据采集、模式发现、批判验证和结论收敛，往往导致幻觉叠加73% 相似待验证模型的欺骗计划之所以被发现，是因为其将完整计划写入思维链（内心独白）71% 相似待验证对齐良好的模型会将元指令引导至合规的创意表达，而对齐不足的模型可能出现意外行为70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/828265

API

curl https://kongchang.com/api/v1/knowledge/claims/828265

MCP

get_claim(id=828265)