待验证50% 置信事实精确时间

规范违反检测、智能体安全沙箱等研究方向正吸引越来越多的学术投入

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/11

首次发现

有效期至：2026/12/10

来源

AI编程智能体失对齐监控：技术路径与工程实践

涉及实体

Specification Violation Detectionconcept Agent Security Sandboxconcept

相关事实

待验证莱顿宣言和旧金山科研评估宣言（DORA）的批评者指出，现有评价体系系统性地奖励短平快的增量研究，惩罚耗时长、风险高的原创探索64% 相似待验证语义表面敏感性是当前基于统计学习的分类器的固有局限，改进方向为意图感知安全63% 相似待验证可检视性和易用性之间存在天然张力，暴露越多细节则认知负担越重63% 相似待验证部分离职者公开表达了对OpenAI安全文化的担忧，认为闪亮的产品正在压倒安全研究的优先级62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/899734

API

curl https://kongchang.com/api/v1/knowledge/claims/899734

MCP

get_claim(id=899734)