待验证50% 置信决策规则精确时间

不能用模型的自我报告来检测其是否遵循了被禁止的信息，运行时审计和外部行为监控比模型的内省声明更可靠

1

来源数

50%

置信度

长期有效

时效性

2026/10/2

首次发现

来源

泄露错误答案给LLM并禁止使用：它照抄63%还全盘否认

涉及实体

相关事实

待验证TrustyAI无法覆盖机构对持续性模型与数据质量监控的需求（基于真实标签验证预测、追踪统计性能指标趋势、检测数据分布漂移）71% 相似待验证仅记录提议的调用和工具响应不足以判断Agent安全测试结果的真实原因68% 相似待验证研究结论认为没有任何单一审计能支撑将一个模型排在另一个模型之上的比较67% 相似待验证DASA合成数据缺乏可解释性，投影回token仅用于定性检查，在需要审计和可控性的场景中可能带来治理挑战67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/968650

API

curl https://kongchang.com/api/v1/knowledge/claims/968650

MCP

get_claim(id=968650)