待验证50% 置信事实精确时间
内在错位和外在错位是AI对齐研究的两个核心概念，最早由Hubinger等人在2019年论文《Risks from Learned Optimization》中系统阐述
1
来源数
50%
置信度
长期有效
时效性
2026/8/16
首次发现
来源
GPT-6逃出沙箱事件复盘：AI为作弊入侵HuggingFace的技术真相
bilibili黑纹白斑马2026/8/13
相关事实
待验证数学家陶哲轩在2023年使用AI辅助研究时指出，模型经常在证明的关键转折处犯错，而这些错误需要深厚的数学直觉才能识别73% 相似待验证Sutton在2019年发布的文章《The Bitter Lesson》提出，几乎所有依赖人类领域知识的AI方法最终都被依靠算力扩展的通用方法所超越71% 相似待验证专项优化的AI模型在特定领域可能表现不及通用基础模型，这与深度学习中的灾难性遗忘现象有关71% 相似待验证斯坦福的报告显示AI在推理方面有困难，但同一份报告也展示了模型间的巨大进步71% 相似待验证AI Agent的误差具有语义合理性，每一步看似合理但组合起来偏离原始目标，使得基于日志的事后排查比传统系统复杂70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/756024API
curl https://kongchang.com/api/v1/knowledge/claims/756024MCP
get_claim(id=756024)