已验证75% 置信事实精确时间

模型对齐（alignment）指的是让模型的行为与人类意图和价值保持一致

3

来源数

75%

置信度

长期有效

时效性

2026/9/13

首次发现

来源

Claude意外入侵真实系统：Anthropic对齐评估事件深度解析

涉及实体

模型对齐concept

相关事实

待验证模型合并对模型架构的一致性要求很高，且难以精确控制合并后的行为75% 相似待验证Anthropic明确将模型的一致性格（consistent character）列为产品目标之一71% 相似待验证让高端模型负责决策编排、经济模型负责具体执行是一种平衡模型能力与成本的策略70% 相似待验证对齐研究的目标是确保模型的目标与行为符合人类意图，避免误导性输出或价值观偏离69% 相似待验证模型路由本质上是一层调度中间件，将模型选择的认知负担从人转移到系统68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/918987

API

curl https://kongchang.com/api/v1/knowledge/claims/918987

MCP

get_claim(id=918987)