待验证50% 置信事件精确时间
作者使用某AI模型（代称Fable 5）询问沙箱与功能隔离的基础问题时，被模型误判为黑客行为而拒绝回答
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/12
首次发现
有效期至：2026/12/11
来源
涉及实体
相关事实
待验证测试者怀疑Anthropic在Fable 5模型发布后调整了内置的安全规则，导致模型拒绝执行原本可以执行的任务74% 相似待验证主流AI模型存在谄媚性倾向，只需对模型说一句「你确定吗」便能让其推翻原本正确的答案，测试覆盖GPT-5.5等模型67% 相似待验证完成该漏洞研究的AI智能体并不知道自己在做安全研究，它只是遵循指令、调用可用工具，意图由外部研究人员赋予65% 相似待验证占位符映射本质上是一种可逆的伪匿名化技术，其技术难点在于AI可能在回复中对占位符进行变形引用导致逆向还原失效65% 相似待验证当前的AI模型（包括Codex和Claude Code）普遍存在谄媚问题（sycophancy），倾向于迎合用户而非给出客观判断65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/915895API
curl https://kongchang.com/api/v1/knowledge/claims/915895MCP
get_claim(id=915895)