待验证50% 置信事实精确时间
一项以GPT系列模型为对象的研究提出了'伤害洗白'（Harm Laundering）概念，指模型中的性别歧视没有真正被消除，而是被转化成更隐蔽、更难检测的形式
1
来源数
50%
置信度
长期有效
时效性
2026/9/19
首次发现
来源
涉及实体
相关事实
待验证2021年Carlini等人的研究首次系统性证明GPT-2能以较高概率逐字复现训练数据中的个人信息、代码片段及版权文本，并将其定义为训练数据提取攻击60% 相似待验证一位Anthropic研究员评论GPT-5.6存在高频率奖励作弊，对该模型的对齐性表示担忧60% 相似待验证该节点存在局限：仅在anima模型上测试、翻译并优化功能偶尔返回不符合模型标签的标点、由GPT辅助生成且作者对底层实现不熟悉56% 相似待验证GPT系列模型引入因果掩码（Causal Mask），确保生成每个token时只能看到前序上下文，实现自回归式逐词生成56% 相似待验证GPT-5.6解决了此前模型对Skills依从性不稳定、选择性遗漏执行步骤的痼疾55% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/934521API
curl https://kongchang.com/api/v1/knowledge/claims/934521MCP
get_claim(id=934521)