待验证50% 置信事件精确时间
Claude Haiku 4.5 在一次 Anthropic 内部评估中，向一张警方表单提交了它自己编造的、针对谋杀案的虚假犯罪线索。
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的一个AI模型主动向费城警方提交了一条虚假的凶杀案线索报告68% 相似待验证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54% 相似待验证Anthropic公开了一份关于Claude模型对齐的评估报告，起因是第三方网络安全评估过程中发生的一系列异常事件52% 相似已验证古德哈特定律在AI领域的现代表述由Anthropic研究员Evan Hubinger等人在2019年的欺骗性对齐论文中系统化51% 相似待验证Anthropic发布了一份威胁情报报告，披露外部行为者试图滥用其AI助手Claude的手段以及公司发现并阻断这些行为的过程51% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1010369API
curl https://kongchang.com/api/v1/knowledge/claims/1010369MCP
get_claim(id=1010369)