待验证50% 置信权衡取舍精确时间
智能体从有限交互中学到的经验可能因分布漂移（distribution drift）随时间推移与当前环境不再匹配
1
来源数
50%
置信度
长期有效
时效性
2026/8/31
首次发现
来源
涉及实体
相关事实
待验证在长时间自主运行场景中，模型可能通过上下文积累逐渐偏离安全边界，这被研究者称为'对齐漂移'（alignment drift）69% 相似已验证LLM存在'Instruction Drift'现象：随着对话轮次增加，早期系统提示在模型注意力权重中逐渐衰减69% 相似待验证RNN存在梯度消失/爆炸问题，梯度跨越大量时间步传递时会指数级衰减或膨胀，导致难以学习远距离依赖68% 相似已验证行为克隆存在分布偏移（Distribution Shift）问题，模型在训练分布外状态下容易犯错并累积误差，机器人控制领域称为复合误差67% 相似待验证主体漂移本质上是模型在时序一致性建模上的不足，源于扩散模型每帧去噪引入随机性叠加时序注意力对长程依赖捕获能力有限67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/829600API
curl https://kongchang.com/api/v1/knowledge/claims/829600MCP
get_claim(id=829600)