待验证50% 置信事实精确时间

PGD、FGSM等对抗攻击方法产生的扰动在像素层面几乎不可感知，但能让模型完全失效

1

来源数

50%

置信度

长期有效

时效性

2026/9/1

首次发现

来源

ML/LLM/CV领域研究空白怎么找？系统方法论与方向指南

涉及实体

PGDconcept FGSMconcept

相关事实

待验证仅靠微调阶段的RLHF或许永远无法产生真正鲁棒的安全对齐62% 相似待验证研究表明RLHF在模型残差流中留下的安全拒绝行为呈现低秩线性结构，主要分布在少数几个主方向上，因此易被正交投影移除61% 相似待验证研究者发现只需微调模型的少量参数就能移除安全对齐（去对齐攻击），且某些越狱提示可在不同模型之间迁移60% 相似待验证混元模型倾向于过度简化和平滑，存在明显锯齿，说明分辨率仍不足60% 相似待验证完全放弃图表的纯Agent交互对需要多维交叉、长期趋势对比的复杂分析场景可能是一种能力损失58% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/838967

API

curl https://kongchang.com/api/v1/knowledge/claims/838967

MCP

get_claim(id=838967)