arXiv：危险能力与安全评测· arXiv:2609.35872· Dongsheng Chen·2026-09-26 22:55· 5 天前

SameFact：同一安全事实在不同响应接口下导致不同模型反应

SameFact: The Same Safety Facts Lead to Different Responses Across Interfaces

AI 导读

研究者提出 SameFact，一个匹配反事实基准，用 300 组安全/不安全配对固定任务、先前观察、候选动作、标识符和非目标事实，只改变一条有状态依据的安全事实。