待验证50% 置信事实精确时间
Midjourney、Stable Diffusion等模型在训练数据合规性上面临法律诉讼
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/11
首次发现
有效期至：2026/12/10
来源
涉及实体
相关事实
已验证训练数据投毒可在模型权重层面植入持久性后门，危害远超应用层越狱，但实施门槛更高，通常需要对训练流程有控制权66% 相似待验证对齐训练优化的是模型在已知场景下的统计行为，而非建立可形式化验证的安全边界，面对训练分布之外的罕见指令组合或角色扮演框架时可能失效65% 相似待验证在train/test split之前对整个数据集做StandardScaler归一化会导致测试集的均值和方差信息渗透进训练集64% 相似待验证2024年多项研究发现部分模型在标准基准上的优秀表现源于训练数据中混入了基准测试题目本身（数据污染）63% 相似待验证训练时扩展定律（scaling law）由Kaplan等人在2020年提出，认为模型能力主要由参数量、训练数据量和训练算力决定62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/903011API
curl https://kongchang.com/api/v1/knowledge/claims/903011MCP
get_claim(id=903011)