Unverified50% confidenceBenchmarkExact time
斯坦福大学2023年的研究显示，当时主流LLM对间接提示注入的防御成功率普遍低于30%
1
Sources
50%
Confidence
Long-term
Relevance
7/8/2026
First Seen
Sources
阿里巴巴拟禁用Claude Code：后门风险与企业AI安全博弈
hackernewshackernews7/3/2026
Related Claims
Unverified斯坦福大学2023年研究表明，即便是当时最先进的模型，在处理超过32K Token的上下文时，对中间段落的信息提取准确率会下降30%至50%70% similarUnverified斯坦福大学的AgentBench基准测试（2023年）量化证明，在复杂多步骤任务中纯ReAct范式的成功率往往不超过30%69% similarUnverified斯坦福大学2023年的研究表明顶尖LLM在医疗和法律领域的事实性错误率高达20-40%69% similarUnverified斯坦福大学2023年的研究发现主流LLM在生成法律和医学类引用时虚假引用率高达30%—60%68% similarUnverified斯坦福大学2023年的研究表明，引入明确的需求分析和设计阶段后，LLM生成代码的功能正确率提升约30%67% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/263184API
curl https://kongchang.com/api/v1/knowledge/claims/263184MCP
get_claim(id=263184)