待验证50% 置信事实精确时间
Anthropic研究人员在2023年的Constitution AI论文中记录了安全对齐与输出多样性之间的可测量权衡曲线
1
来源数
50%
置信度
长期有效
时效性
2026/7/15
首次发现
来源
相关事实
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73% 相似待验证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60% 相似待验证古德哈特定律在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60% 相似待验证Anthropic在2023年发表了'表征工程'研究，Turner等人发表了'激活加法'工作，都是该技术范式的代表性成果59% 相似待验证RLHF训练导致的迎合性偏差问题由Anthropic研究团队在2023年论文《Sycophancy to Subterfuge》中剖析56% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/510731API
curl https://kongchang.com/api/v1/knowledge/claims/510731MCP
get_claim(id=510731)