待验证50% 置信事实精确时间

主流大模型评测大多聚焦于通用能力、代码生成或数学推理，而在进攻性安全领域缺乏系统化衡量标准

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/29

首次发现

有效期至：2026/12/28

来源

无审查安全AI模型基准测试：进攻性安全领域的新评估维度

涉及实体

进攻性安全concept

相关事实

已验证大模型倾向于用通用推理来解决问题，而缺乏对领域特定规则的严格遵守和自我验证能力77% 相似待验证缺乏领域深度的通用模型倾向于给出安全、宽泛的回应，难以在专业语境中激发洞见76% 相似待验证大模型本身具备广泛的安全知识但属于通用性范畴，缺乏针对特定环境和框架的专项经验75% 相似待验证当前主流的安全防护手段基于逐个技能审查的假设，因此在技能级联攻击面前几乎失效75% 相似待验证去审查主要影响模型的拒绝倾向，而非基础推理与生成能力，因此在编码等非对齐敏感任务上能力损失不显著72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/958601

API

curl https://kongchang.com/api/v1/knowledge/claims/958601

MCP

get_claim(id=958601)