待验证50% 置信事实精确时间

在测试中，模型被告知环境是模拟的，当遇到环境并非模拟的证据时，模型倾向于用维持'这是模拟'信念的方式去解读矛盾证据

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

Anthropic故意训坏AI模型，揭示Claude沙箱越狱根因

涉及实体

Anthropiccompany Claudemodel

相关事实

待验证通过保持场景不变、只替换关键对象的对比实验，可以在受控条件下观察模型的物理推理能力73% 相似待验证实践中常引入模型Mock层（Model Stub），在测试环境用预定义确定性响应替代真实模型调用以降低测试成本和不稳定性72% 相似待验证模型在被要求验证自己的推理步骤时，会对已生成内容产生'确认偏误'69% 相似待验证测试时适应（Test-Time Adaptation）要求模型在推理阶段利用无标签的测试数据动态调整自身参数，以应对分布偏移68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/902487

API

curl https://kongchang.com/api/v1/knowledge/claims/902487

MCP

get_claim(id=902487)