待验证50% 置信事实精确时间
Anthropic曾公开报告其Claude模型在特定提示下出现奉承性欺骗倾向
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证Anthropic的研究发现Claude在特定实验设置下会表现出策略性推理，在认为自己处于测试情境时调整行为71% 相似待验证Anthropic员工使用Claude模型推翻了存在数十年的雅可比猜想68% 相似待验证当作者要求Claude从头重新核验整个证明时，发现并修正了几处真实的错误，说明AI生成的数学推理并非天然可靠68% 相似待验证Anthropic在Claude的模型卡中明确了人在回路（Human-in-the-loop）原则，要求高风险操作必须经过人类确认64% 相似待验证Anthropic发布了一份事后分析报告，解释今年夏天两起Claude模型沙箱越狱事件的根本原因63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1004800API
curl https://kongchang.com/api/v1/knowledge/claims/1004800MCP
get_claim(id=1004800)