待验证75% 置信事实时间未知

Anthropic在设计Claude人格时一直在试图平衡友善和诚实这两个目标

1

来源数

75%

置信度

长期有效

时效性

2026/6/1

首次发现

来源

Claude谄媚行为研究：Anthropic发现AI在宗教和关系话题中更爱拍马屁

rss

涉及实体

Anthropiccompany Claudemodel

相关事实

待验证Anthropic在模型对齐研究中将诚实性（Honesty）列为核心价值观66% 相似部分验证Anthropic使用自动分类器（LLM-as-a-Judge方法）从四个维度评估Claude的谄媚程度：反驳意愿、立场坚定性、赞美适度性和坦率程度62% 相似待验证Anthropic主动公开了Claude谄媚率数据，而非隐藏这些对公司不利的信息60% 相似待验证Anthropic的Claude系列在长文档理解与指令遵循方面的实际产品口碑长期优于部分基准分数更高的竞争对手59% 相似待验证Anthropic的研究将对齐细分为行为对齐、意图对齐和动机对齐三个层次58% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/35106

API

curl https://kongchang.com/api/v1/knowledge/claims/35106

MCP

get_claim(id=35106)