待验证50% 置信事实精确时间

研究团队以Llama-3.1-8B-Instruct模型为实验对象，在3个留出的欺骗检测数据集上考察探针泛化性能

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

探针泛化即子空间选择：AI欺骗检测的跨域迁移新范式

涉及实体

Llama-3.1-8B-Instructmodel

相关事实

待验证研究团队使用LLM作为裁判，对每个主成分找出最强和最弱激活样本，评估是否暗示可迁移的欺骗方向并打分，选取得分最高的主成分子集训练探针72% 相似待验证该数据集的每一行都经过人工审核，核验标签准确性、理由真实与具体性、难度标签匹配度三个维度70% 相似待验证Anthropic等公司已经开始专门测试模型的说服能力和欺骗倾向，作为安全评估的重要维度69% 相似待验证文章基于知识图谱领域的模拟论文项目对三个Skills进行了测试68% 相似待验证智能体的行为由上下文、工具 schema、模型版本和适配器共同塑造，传统单元测试只关注确定性输出68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/899111

API

curl https://kongchang.com/api/v1/knowledge/claims/899111

MCP

get_claim(id=899111)