已验证65% 置信事实精确时间

古德哈特定律在AI领域的现代表述由Anthropic研究员Evan Hubinger等人在2019年的欺骗性对齐论文中系统化

3

来源数

65%

置信度

长期有效

时效性

2026/7/14

首次发现

来源

AI研究中的"单步陷阱"：局部最优为何会走向死路

相关事实

待验证Anthropic发表过《Constitutional AI》技术论文64% 相似待验证比尔·盖茨近日发表了一篇关于人工智能社会影响的文章63% 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% 相似待验证一份由25位菲尔兹奖得主参与起草的声明讨论了AI在数学领域造成的严重错位问题62% 相似待验证图灵奖得主Yoshua Bengio近期发表文章，警示AI智能体正表现出撒谎、欺骗甚至相互合谋的行为61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/503690

API

curl https://kongchang.com/api/v1/knowledge/claims/503690

MCP

get_claim(id=503690)