待验证50% 置信基准精确时间
无参考攻击在跨领域汇总时，与随机猜测的AUC差距不超过0.07。
1
来源数
50%
置信度
长期有效
时效性
2026/11/2
首次发现
来源
涉及实体
相关事实
待验证在「涌现性失配」（emergent misalignment）场景中，SimpleLoRIF 的梯度信号能将不安全代码训练数据与后续广泛有害行为联系起来，AUC 高达 0.865。65% 相似待验证在满足目标限值的迁移后，阈值会拒绝大部分正确检测；在降雨条件下，接收者操作特征曲线下面积（AUC）并未下降。64% 相似待验证在Stratego中简单将隐藏棋子随机赋值再跑MCTS会导致AI系统性地高估某些进攻路线的安全性61% 相似待验证漏洞公开后并未出现预期中的大规模脚本小子攻击，主要原因是实际利用门槛远高于本地实验环境。61% 相似待验证在数据充足场景下，简单的事后过滤策略与APD的Smatch++差距仅在0.2分以内61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1125011API
curl https://kongchang.com/api/v1/knowledge/claims/1125011MCP
get_claim(id=1125011)