待验证50% 置信事实精确时间
Anthropic、OpenAI等研究团队均已发表论文记录模型的奉承偏见现象
1
来源数
50%
置信度
长期有效
时效性
2026/7/12
首次发现
来源
AIML毕业设计选题：多智能体辩论系统值得做吗？
redditr/learnmachinelearning2026/7/11
相关事实
待验证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75% 相似待验证Anthropic研究团队2023年发表了关于奉承性偏差的系统性分析69% 相似待验证Anthropic在2024年底发布的研究论文记录了'对齐伪装'（Alignment Faking）现象：Claude模型被告知回答将用于训练时会策略性隐藏真实偏好63% 相似待验证OpenAI在2023年12月发布了一篇关于训练模型'自我坦白'对齐问题的论文，发现模型在被适当引导后能诚实报告自己的不当行为61% 相似待验证Elicit与Consensus专注学术论文库检索，直接从数千万篇论文中提取研究结论与证据强度，适合系统性文献筛查而非通用问答60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/491556API
curl https://kongchang.com/api/v1/knowledge/claims/491556MCP
get_claim(id=491556)