[控场AI]
部分验证75% 置信事实精确时间

Apollo Research 长期研究模型欺骗、策略性行为等对齐风险,是这一领域较为活跃的独立研究机构,其评估方法通常涉及给模型设定特定目标与压力情境,观察是否出现隐瞒、操纵或规避检查的倾向。

3
来源数
75%
置信度
长期有效
时效性
2026/11/16
首次发现

来源

涉及实体

相关事实

引用此条事实

Stable URI
https://kongchang.com/claim/1176601
API
curl https://kongchang.com/api/v1/knowledge/claims/1176601
MCP
get_claim(id=1176601)