待验证50% 置信事实精确时间

微软的AI行为准则包含两个层面：抽象的基本原则和具体的安全约束

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/14

首次发现

有效期至：2026/12/13

来源

微软发布AI行为准则：禁止模型入侵系统或欺骗人类

涉及实体

相关事实

已验证AI安全与治理领域的可解释性研究分为两个层面：模型内部机制的解释，以及行为层面的外部可观测性75% 相似待验证生成式AI在安全关键场景需要同时满足输出质量和约束合规两个目标72% 相似待验证微软AI行为准则明确要求模型不得入侵系统（hack systems）72% 相似已验证现代AI安全架构通常采用多层防御策略：输入层过滤、模型层对齐、提示词层约束、输出层审核70% 相似待验证随着AI代理能力增强，安全评估的重心正从内容生成安全扩展到行动安全（action safety）69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/920923

API

curl https://kongchang.com/api/v1/knowledge/claims/920923

MCP

get_claim(id=920923)