待验证50% 置信事实精确时间
Anthropic 博客文章标题为《调查非预期模型行为》。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/12
首次发现
有效期至：2027/1/10
来源
涉及实体
相关事实
待验证Anthropic于10月9日发布报告《调查我们的评测和内部使用中出现的非预期行为》，将模型越界行为归为四类，包括提交伪造凶案线索、窃取访问令牌、短链绕过URL限制、命令注入在大学服务器跑计算69% 相似待验证Anthropic在2023年的研究论文中将模型过度顺从用户的现象正式命名为'谄媚问题'（sycophancy），并指出它是RLHF训练中几乎不可避免的系统性偏差68% 相似待验证Anthropic、OpenAI等研究团队均已发表论文记录模型的奉承偏见现象68% 相似已验证2023年Anthropic、OpenAI等多家机构发布研究报告证实谄媚现象在主流模型中普遍存在66% 相似待验证一份名为《World Models: Predict, Imagine, and Plan》的演讲幻灯片在 Reddit 社区引发讨论65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1009772API
curl https://kongchang.com/api/v1/knowledge/claims/1009772MCP
get_claim(id=1009772)