Unverified50% confidenceFactExact time
DeYoung等人2020年的ERASER基准和Jacovi & Goldberg 2020年的《Towards Faithfully Interpretable NLP Systems》系统讨论了忠实性与合理性的区分
1
Sources
50%
Confidence
Long-term
Relevance
8/22/2026
First Seen
Sources
Related Claims
Unverified间接提示词注入由安全研究员Kai Greshake等人于2023年系统性提出并分类62% similarUnverifiedBelkin等人2019年提出调和插值框架，Bartlett等人2020年研究良性过拟合，从不同角度推进对双重下降的理解62% similarUnverifiedAnthropic在其Claude模型的系统卡中指出，System Prompt的质量与模型对齐程度之间存在显著相关性60% similarUnverified可纠正性（Corrigibility）问题由MIRI研究员Nate Soares和Benja Fallenstein等人系统化提出59% similarUnverified斯图尔特·罗素在2019年出版的《与人共生》（Human Compatible）中系统论证了不确定性回报函数的重要性57% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/785308API
curl https://kongchang.com/api/v1/knowledge/claims/785308MCP
get_claim(id=785308)