待验证50% 置信观点精确时间
由模型偷懒驱动的测试通过率会污染安全评估指标，带来虚假的安全感
1
来源数
50%
置信度
长期有效
时效性
2026/9/11
首次发现
来源
涉及实体
相关事实
待验证危险能力评估中测试集的覆盖度、更新频率和保密性之间存在天然张力：过于公开的测试集会被纳入训练数据而失效，过于保密的测试缺乏同行评议可信度73% 相似待验证安全护栏中的分类器为概率模型，存在误报和漏报的权衡，阈值设得过低会导致过度拦截73% 相似待验证对抗补丁能干扰检测系统的原因在于它能拉高背景类别预测概率，或制造大量虚假高置信度检测框（幽灵目标），淹没真实人体目标70% 相似待验证验证循环的引擎必须高保真，50%覆盖率的不完整引擎反而比没有验证更差，因为会给智能体提供错误的置信信号导致分布偏移70% 相似已验证部分模型存在针对测试集过度优化的风险，导致榜单分数与真实场景表现出现偏差（Benchmark饱和）69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/901693API
curl https://kongchang.com/api/v1/knowledge/claims/901693MCP
get_claim(id=901693)