待验证50% 置信事实精确时间
Anthropic研究人员在HHH框架论文中承认Helpful、Harmless、Honest三者之间存在内在张力，过分强调Harmless会损害Helpful
1
来源数
50%
置信度
长期有效
时效性
2026/7/13
首次发现
来源
从热爱到失望：Claude新模型体验下滑的深层原因
hackernewshackernews2026/7/11
相关事实
已验证Anthropic将AI对齐的核心原则称为HHH原则（Helpful, Honest, Harmless）72% 相似待验证对齐的目标通常被概括为3H原则：有用（Helpful）、诚实（Honest）和无害（Harmless）66% 相似待验证主流AI安全训练遵循HHH原则——Helpful（有帮助）、Harmless（无害）、Honest（诚实），这三个目标在情感敏感领域会产生严重冲突62% 相似待验证Anthropic的模型规范（Model Spec）要求Claude同时具备有帮助（helpful）、诚实（honest）和无害（harmless）三个属性，即3H原则62% 相似待验证多智能体的分而治之理念由 Anthropic 提出57% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/500389API
curl https://kongchang.com/api/v1/knowledge/claims/500389MCP
get_claim(id=500389)