待验证50% 置信事实精确时间

安全分类层往往在内容生成之前就触发，属于前置拦截而非语义理解后判断

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

AI安全审查误伤：生物研究者账号被封的困境与反思

涉及实体

内容审查系统concept

相关事实

待验证当前安全审核系统多采用基于关键词、模式和分类器的方法，难以理解代码意图，导致基于表层特征匹配的误报75% 相似待验证为对抗越狱攻击，系统对特定领域词汇组合保持高度警觉，使合法机构间样本转移请求与恶意询问在特征向量层面高度相似65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/908511

API

curl https://kongchang.com/api/v1/knowledge/claims/908511

MCP

get_claim(id=908511)