待验证50% 置信事实精确时间

损失朝预期方向移动并不足以证明遗忘成功，安全行为需要有专门的测试

1

来源数

50%

置信度

长期有效

时效性

2026/10/11

首次发现

来源

LLM能审计机器遗忘吗？一次揭穿假遗忘代码的基准测试

涉及实体

Machine Unlearningconcept

相关事实

待验证去除护栏后模型的能力本身并未消失，只是响应策略发生变化，单凭黑盒测试很难给出可靠的风险评级75% 相似待验证红队测试存在固有局限：依赖测试者的想象力，无法穷举所有攻击面，被视为降低风险的必要手段而非充分保证74% 相似待验证委托决策（learning to defer）场景中观测到的损失信号被专家本身质量和尚未学好的纠正函数两种因素共同污染73% 相似待验证把不可解释的失败当作常态会侵蚀调试能力、系统信任以及带来安全与合规风险73% 相似待验证跨代比较对齐质量的基准测试本身不能随模型迭代而漂移，否则�success衰减将无法被检测到72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/998828

API

curl https://kongchang.com/api/v1/knowledge/claims/998828

MCP

get_claim(id=998828)