待验证50% 置信基准精确时间

在相似标记率下，零样本决策模型监控器仅捕获26%的泄密调用，而线性探针为82%。

1

来源数

50%

置信度

长期有效

时效性

2026/10/30

首次发现

来源

预判AI代理泄密：激活探针能否提前拦截？

涉及实体

零样本决策模型监控器concept 线性探针concept

相关事实

待验证在实验中，零样本生成任务解决率为17%，通用自我纠错为27%，仅错误反馈为23%，诊断性反例反馈（A-CEGIS）达到90%73% 相似待验证在完全未被触碰的152题测试子集上，锚定混合检索为42.11%，规划引导方法仅36.84%73% 相似待验证大模型直接回答时，对隐式评分标准的通过率仅为 67%，而对显式标准的通过率达到 81%。73% 相似待验证无害的改写在盲验证器提示下仅使支撑判断偏移0%–2.5%72% 相似待验证测试中出现模型自称某步有95%把握但按评分标准得0分的案例72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1115384

API

curl https://kongchang.com/api/v1/knowledge/claims/1115384

MCP

get_claim(id=1115384)