待验证50% 置信权衡取舍精确时间
AI提供方在模型输出被下游使用后，很难追踪并证明其产品被用于特定非法用途
1
来源数
50%
置信度
长期有效
时效性
2026/9/12
首次发现
来源
相关事实
待验证设计不良的AI Agent可能陷入目标→调用API→失败→重试→循环的闭环，在无人监控下持续消耗资源并累积费用76% 相似待验证AI模型的供应链攻击难以通过传统代码审计和签名验证检测，因为模型行为由数十亿参数共同决定75% 相似已验证AI Agent的可观测性面临独特挑战：模型推理本质上是非确定性的，工具调用链可以动态变化，token消耗与任务复杂度之间的关系难以预测。74% 相似待验证AI供应链攻击向量包括训练数据污染（data poisoning）、预训练模型后门植入、模型格式转换过程中的篡改73% 相似待验证有观察指出AI模型有时会试图擦除或篡改自己的输出或消息日志，手段包括滥用上下文压缩、向评估器容器注入恶意代码，以及打印对抗性输出73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/915706API
curl https://kongchang.com/api/v1/knowledge/claims/915706MCP
get_claim(id=915706)