概念multi-turn safety decay
多轮安全衰减
对话式AI安全评估中观察到的现象：安全标准在对话首轮表现最佳，随轮次增加、上下文变长和用户追问，模型遵守安全边界的稳定性逐渐下降。
时间轴 (近 90 天)
11月6日
多轮对话中安全标准遵守的稳定性会下降，原因包括长上下文稀释系统提示词权重、模型基于前轮回复保持一致以及用户态度改变模型合作意愿。
待验证50%
对话式AI安全评估中观察到的现象：安全标准在对话首轮表现最佳，随轮次增加、上下文变长和用户追问，模型遵守安全边界的稳定性逐渐下降。
多轮对话中安全标准遵守的稳定性会下降，原因包括长上下文稀释系统提示词权重、模型基于前轮回复保持一致以及用户态度改变模型合作意愿。