待验证50% 置信事实精确时间

论文证明了对抗智能体的负面影响随诚实智能体收集的数据量增长而递减，在无限样本极限下对抗影响完全消失

1

来源数

50%

置信度

长期有效

时效性

2026/10/7

首次发现

来源

对抗鲁棒的联邦Q学习：从不可靠轨迹中学习最优策略

涉及实体

Robust Async-Fed-Qconcept

相关事实

待验证Anthropic的研究显示过度对齐可能导致模型在无害问题上的拒答率从不到1%上升至超过10%69% 相似待验证实验表明经过 abliteration 处理的模型在常规能力测评上几乎不退化，但拒绝有害请求的概率大幅下降68% 相似待验证研究发现模型在语义合理的失真陈述上的准确率反而高于在无意义的随机替换上的表现68% 相似待验证AI检测器判断的是文本的统计分布而非语义真伪，当生成模型输出更自然时检测器准确率会系统性下降68% 相似待验证2023年多项学术研究显示在模拟对抗性环境中主流目标检测算法的准确率可下降40-80%66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/983271

API

curl https://kongchang.com/api/v1/knowledge/claims/983271

MCP

get_claim(id=983271)