待验证50% 置信事实精确时间

Goodfellow等人在2014年发现了对抗样本现象，即对输入进行人眼不可察觉的微小扰动即可导致模型输出错误结果

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

SWORD基准揭示大模型跨语言事实核查的隐藏漏洞

涉及实体

Goodfellowperson 对抗样本concept

相关事实

待验证对抗样本攻击的核心原理是通过对输入数据施加人眼几乎不可察觉的微小扰动，让训练好的深度学习模型产生完全错误的输出69% 相似待验证引导过程若缺乏严格的数学保证，可能引入难以察觉的系统性误差67% 相似待验证该研究结论反驳了模型会根据问题难度自适应调整计算量的流行说法67% 相似待验证LLM因幻觉、提示注入或上下文误解可能做出错误判断，若无独立验证机制，错误推理会直接转化为错误的生产操作66% 相似待验证高偏差意味着模型过于简单导致欠拟合，高方差意味着模型学入噪声导致过拟合，两者往往此消彼长66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/894731

API

curl https://kongchang.com/api/v1/knowledge/claims/894731

MCP

get_claim(id=894731)