待验证50% 置信事实精确时间
Anthropic 将安全对齐问题形式化为 HHH 框架——Helpful、Honest、Harmless
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
已验证Anthropic将AI对齐的核心原则称为HHH原则（Helpful, Honest, Harmless）77% 相似待验证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Helpful68% 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68% 相似待验证Anthropic 更侧重安全性与可解释性，OpenAI 更侧重实用性与执行效率67% 相似待验证Anthropic官方将相关机制解释为防刷单、防偷学模型措施65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/845776API
curl https://kongchang.com/api/v1/knowledge/claims/845776MCP
get_claim(id=845776)