待验证50% 置信事实精确时间
「对齐税」（alignment tax）概念由AI安全研究者Paul Christiano等人提出，用于描述安全措施对模型实际效用的折损
1
来源数
50%
置信度
长期有效
时效性
2026/9/2
首次发现
来源
涉及实体
相关事实
待验证Anthropic introduced an alignment method called 'Constitutional AI' that uses a predefined set of value principles to constrain model behavior.63% 相似待验证Safety Alignment refers to the technical process of ensuring AI system behavior conforms to human intentions and values58% 相似待验证Stuart Russell等学者系统阐述了AI领域的「价值对齐问题」（value alignment problem）58% 相似待验证AI安全与治理领域的可解释性研究分为两个层面：模型内部机制的解释，以及行为层面的外部可观测性56% 相似已验证AI模型越狱是指使用精心设计的提示或交互模式绕过模型内置的安全对齐机制，使其产生受限内容56% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/842879API
curl https://kongchang.com/api/v1/knowledge/claims/842879MCP
get_claim(id=842879)