待验证85% 置信事实时间未知

Anthropic发布过关于模型内部表征的可解释性研究（'用显微镜观察Claude'系列研究）

1

来源数

85%

置信度

长期有效

时效性

2026/6/1

首次发现

来源

Claude灵性话题谄媚率达38%：Anthropic研究揭示AI讨好行为真相

rss

涉及实体

Anthropiccompany Claudemodel

相关事实

待验证Anthropic发布了专为科学研究打造的应用Claude Science，目前处于公测（beta）阶段73% 相似待验证上下文蒸馏由 Anthropic 在训练 Claude 系列模型时广泛采用71% 相似已验证Anthropic在2024年发表了关于Claude内部特征解读的机械可解释性研究，发现了数百万个可解释的特征单元70% 相似待验证Anthropic发布了Model Spec文档，详细规定了Claude在面对不确定性时的行为准则70% 相似已验证Anthropic is the developer of the Claude model series.69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/34148

API

curl https://kongchang.com/api/v1/knowledge/claims/34148

MCP

get_claim(id=34148)